1、解释说明
numpy是一个用于处理数组和矩阵的Python库,它提供了大量的数学函数来操作这些数据结构。以下是一些常用的numpy函数及其说明:
- numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0):创建一个数组对象。
- numpy.zeros(shape, dtype=float, order='C'):创建一个全零数组。
- numpy.ones(shape, dtype=None, order='C'):创建一个全一数组。
- numpy.empty(shape, dtype=float, order='C'):创建一个未初始化的数组。
- numpy.arange(start, stop, step, dtype=None):根据给定的范围和步长生成一个数组。
- numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None):在指定的间隔内返回均匀间隔的数字。
- numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None):返回在对数刻度上均匀分布的数字。
- numpy.eye(N, M=None, k=0, dtype=):返回一个二维数组,其中对角线上的元素为1,其余元素为0。
- numpy.full(shape, fill_value, dtype=None, order='C'):创建一个具有指定形状和填充值的数组。
- numpy.random.rand(d0, d1, ..., dn):从均匀分布中随机采样。
- numpy.random.randn(d0, d1, ..., dn):从标准正态分布中随机采样。
- numpy.random.randint(low, high=None, size=None, dtype='l'):从给定的范围内随机抽取整数。
- numpy.random.choice(a, size=None, replace=True, p=None):从给定的一维数组中随机抽取元素。
- numpy.random.shuffle(x):将数组x中的元素随机排列。
- numpy.random.permutation(x):返回一个随机排列的数组。
- numpy.random.seed(seed=None):设置随机数生成器的种子。
- numpy.sum(a, axis=None, dtype=None, out=None, keepdims=False):计算数组元素的和。
- numpy.mean(a, axis=None, dtype=None, out=None):计算数组元素的平均值。
- numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=False):计算数组元素的标准差。
- numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=False):计算数组元素的方差。
- numpy.min(a, axis=None, out=None):返回数组元素的最小值。
- numpy.max(a, axis=None, out=None):返回数组元素的最大值。
- numpy.argmin(a, axis=None, out=None):返回数组元素最小值的索引。
- numpy.argmax(a, axis=None, out=None):返回数组元素最大值的索引。
- numpy.reshape(a, newshape, order='C'):改变数组的形状。
- numpy.transpose(a, axes=None):转置数组。
- numpy.concatenate((a1, a2, ...), axis=0):沿指定轴连接两个或多个数组。
- numpy.vstack((tup)):垂直堆叠数组元组。
- numpy.hstack((tup)):水平堆叠数组元组。
- numpy.split(ary, indices_or_sections, axis=0):将数组分割成几个子数组。
- numpy.hsplit(ary, indices_or_sections):将数组水平分割成几个子数组。
- numpy.vsplit(ary, indices_or_sections):将数组垂直分割成几个子数组。
- numpy.add(x1, x2, out=None, where=True, dtype=None):执行逐元素加法运算。
- numpy.subtract(x1, x2, out=None, where=True, dtype=None):执行逐元素减法运算。
- numpy.multiply(x1, x2, out=None, where=True, dtype=None):执行逐元素乘法运算。
- numpy.divide(x1, x2, out=None, where=True, dtype=None):执行逐元素除法运算。
- numpy.power(x1, x2, out=None, where=True, dtype=None):执行逐元素幂运算。
- numpy.mod(x1, x2, out=None, where=True, dtype=None):执行逐元素取模运算。
- numpy.dot(a, b):计算两个数组的点积。
- numpy.inner(a, b):计算两个数组的内积。
- numpy.outer(a, b):计算两个数组的外积。
- numpy.cross(a, b):计算两个数组的叉积。
- numpy.linalg.inv(a):计算矩阵的逆。
- numpy.linalg.eig(a):计算矩阵的特征值和特征向量。
- numpy.linalg.qr(a):计算矩阵的QR分解。
- numpy.linalg.svd(a):计算矩阵的奇异值分解。
- numpy.linalg.solve(a, b):求解线性方程组。
- numpy.linalg.lstsq(a, b):计算最小二乘解。
- numpy.linalg.norm(x):计算向量或矩阵的范数。
- numpy.linalg.cond(x):计算矩阵的条件数。
- numpy.linalg.matrix_rank(M, tol=None):计算矩阵的秩。
- numpy.linalg.det(a):计算矩阵的行列式。
- numpy.linalg.eigvals(a):计算矩阵的特征值。
- numpy.linalg.eigh(a, UPLO='L'):计算对称或Hermitian矩阵的特征值和特征向量。
- numpy.linalg.eigvalsh(a, UPLO='L'):计算实对称矩阵的特征值。
- numpy.linalg.pinv(a, rcond=1e-15):计算矩阵的伪逆。
- numpy.linalg.tensorinv(a, ind=2):计算张量的逆。
- numpy.linalg.tensorsolve(a, b, axes=None):解决张量方程。
- numpy.linalg.multi_dot(arrays):计算多个数组的点积。
- numpy.linalg.cholesky(a):计算矩阵的Cholesky分解。
- numpy.linalg.matrix_power(a, n):计算矩阵的幂。
- numpy.linalg.matrix_rank(M, tol=None):计算矩阵的秩。
- numpy.linalg.slogdet(a):计算矩阵的符号和自然对数行列式。