numpy包的主要函数

生成函数：
np.array(list)将输入数据转化为一个ndarray
np.ones(n)生成一个长度为n的，全是1的ndarray
np.zeros(n)生成一个长度为n的，全是0的ndarray
np.eye(n)创建一个n*n的单位矩阵（对角线为1，其余为0）
np.arange(num)生成一个从0到num-1步数为1的一维ndarray类似(range)
np.where(cond, ndarray1, ndarray2)根据条件cond，选取ndarray1或者ndarray2，返回一个新的ndarray。满足条件的输出ndarray1，不满足的输出ndarray2。
np.in1d(ndarray, [x,y,…])检查ndarray中的元素是否等于[x,y,…]中的一个，有返回True，无返回False。
np.linspace(x,y,z)将x到y的均分成z-1段，包含xy共5个点
x[:, np.newaxis]把x作为列增加一个维度（相当于只有一列的矩阵）
x[np.newaxis, :]把x作为行增加一个维度（相当一把一个列表变成一个只有一行的矩阵）

矩阵函数：
np.diag( ndarray)以一维数组的形式返回方阵的对角线（或非对角线）元素
np.diag( [x,y,…])将一维数组转化为方阵（非对角线元素为0）
np.dot(ndarray, ndarray)矩阵乘法
np.trace(ndarray)计算对角线元素的和
np.linalg.inv()求逆矩阵
np.linalg中的函数solve可以求解形如 Ax = b 的线性方程组，其中 A 为矩阵，b 为一维或二维的数组，x 是未知变量
c1,c2=np.linalg.eig()模块中，eigvals函数可以计算矩阵的特征值，而eig函数可以返回一个包含特征值和对应的特征向量的元组。c1是特征值，c2是特征向量。
np.linalg.det()求矩阵的行列式
np.vstack((a,b))a,b上下合并
np.hstack((a,b))a,b左右合并
np.concatenate((a,b,c),axis=0)axis=0时abc上下合并，axis=1时abc左右合并
np.vsplit(a,3)a切成上下3块
np.hsplit(a,3)a切成左右3块
np.split(d,2,axis=1)axis=1把矩阵d分成左右两部分，axis=0把矩阵d分为上下两部分
np.array_split(a,3,axis=1)不均衡分类，其他规则同上

排序函数：
np.sort(ndarray)排序
np.unique(ndarray)返回ndarray中的元素，排除重复元素之后，并进行排序
np.intersect1d( ndarray1, ndarray2)返回二者的交集并排序
np.union1d( ndarray1, ndarray2)返回二者的并集并排序
np.setdiff1d( ndarray1, ndarray2)返回二者的差
np.setxor1d( ndarray1, ndarray2)返回二者的对称差

一元计算函数
np.abs(ndarray)绝对值
np.mean(ndarray)平均值
np.sqrt(ndarray)计算x^0.5
np.square(ndarray)计算x^2
np.exp(ndarray)计算e^x
np.log、log10、log2
np.sign(ndarray) 计算正负号：1（正）、0（0）、-1（负）
np.ceil(ndarray)进一
np.floor(ndarray)去尾
np.rint(ndarray)四舍五入
np.modf(ndarray)将数组的小数和整数部分以两个独立的数组方式返回
np.cos、cosh、sin、sinh、tan、tanh、arccos、arccosh、arcsin、arcsinh、arctan、arctanh三角函数

多元计算函数：
np.add(ndarray, ndarray)相加
np.subtract(ndarray, ndarray)相减
np.multiply(ndarray, ndarray)乘法
np.divide(ndarray, ndarray)除法
np.floor_divide(ndarray, ndarray)圆整除法（丢弃余数）
np.power(x, y)x的y次方
np.mod(x, y)求模

函数：
ndarray.reshape((N,M,…))将ndarray转化为NM…的多维ndarray（非copy）

计算函数：
ndarray.mean( axis=0 )求平均值
ndarray.sum( axis= 0)求和
ndarray.cumsum( axis=0)累加
ndarray.cumprod( axis=0)累乘
ndarray.std()方差
ndarray.var()标准差
ndarray.max()最大值
ndarray.min()最小值
ndarray.argmax()最大值索引
ndarray.argmin()最小值索引
ndarray.median()中位数