numpy 指令

1.创建numpy数组：

1.1numpy.array（直接把列表转化成数组）

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

表1：numpy.array各参数属性

参数	属性
object	任何暴露数组接口方法的对象都会返回一个数组或任何(嵌套)序列。
dtype	数组的所需数据类型，可选。
copy	可选，默认为true，对象是否被复制。
order	C(按行)、F(按列)或A(任意，默认)。
subok	默认情况下，返回的数组被强制为基类数组。 如果为true，则返回子类。
ndimin	指定返回数组的最小维数。

1.2等差数列建立numpy数组（arange，linspace）

1.2.1 nappy.arange（a,b,c）
arange 一般有三个参数 arange(a,b,c) a为等差数列的首项默认为0，c为公差，默认为1。若数列中的数为x，则x的取值范围为a≤x<b.这个跟range一样是左闭右开的，且，最后面一个数位步长。

1.2.2np.linspace(a,b,c)
跟arange一样linspace也有三个元素，linspace(a,b,c) 但有区别的，a还是一样是首项，但此时b是末项，c是项数，linspace这个函数更好理解，由于项数往往并不与首末项匹配，所以linspace里面所得的数是浮点数。

1.3随机数建立

numpy中的随机数一般有random来生成，主要有整数随机以及正态分布的随机数

1.3.1 numpy.random.rand(a,b)
生成一个数值在[0,1)之间，a行b列的随机数数组

1.3.2 numpy.random.randint(a,b,(c,d))
生成一个数值在[a,b)之间c行d列的数组

1.3.3 numpy.random.normal(E,u,(a,b)）
生成一个均值为E，标准差为u，a行b列的数组

1.4填充创建（numpy.zeros，numpy.ones，numpy.fulls）

1.4.1numpy.fulls（shape，fill_value）

输出形状为shape，填充值为fill_value的多维矩阵

1.4.2 全零数组与全一数组的创建（numpy.zeros，numpy.ones）.
np.zeros（shape）生成一个shape形状的多维零矩阵

np.ones（shape）生成一个shape形状的多维矩阵，且填充值为1

1.4.3对角创建numpy.eyes（N,M,K=0）
创建一个类单位矩阵，即对角线上为1，其余为0的数组。形状为N行M列，M的默认值与N 相等，k=0为主对角线，正直为上对角线，负值为下对角线

1.4.4 numpy.repeata,repeats,axis()函数 - 复制创建
a为原数组的值，repeats为axis轴上复制的次数。axis默认值为0

1.5不常用的创建

1.5.1等比数组创建numpy.longspace(start,end,num,base)
起始值为base的start次幂，end为base的终止次幂，num为范围内的数值数量，默认为50个

base为 空间底数，即公比默认为10

1.5.2自由创建 numpy.asarray（a）
a为任意形式的输入参数，如列表元组，列表的列表，列表的元组

1.5.3根据数组的形状创建
ones_like(a)：根据数组a的形状生成一个全1的数组
zeros_like(a)：根据数组a的形状生成一个全0的数组
full_like(a,val)：根据数组a的形状生成一个数组，每个元素值都是val

1.5.4根据缓冲区创建numpy.frombuffer(buffer, dtype=float, count=-1, offset=0)
此函数将缓冲区解释为一维数组。 暴露缓冲区接口的任何对象都用作参数来返回ndarray。

numpy.frombuffer(buffer, dtype=float, count=-1, offset=0)

参数 说明
buffer 任何暴露缓冲区借口的对象。
dtype 通常，输入数据的类型会应用到返回的ndarray。
count 需要读取的数据数量，默认为-1，读取所有数据。
offset
需要读取的起始位置，默认为0。

1.5.5根据可迭代对象创建numpy.fromiter(iterable, count = -1)
iterable为任意可迭代对象，count为需要读取的数据数量，默认为-1，读取所有数据。

2.ndarray调整数组结构

2.1. ndarray数组的维度变换

方法	说明
.reshape(shape)	不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape)	与.reshape()功能一样，但修改原数组
.swapaxes(ax1, ax2)	将数组n个维度中两个维度进行调换
.flatten()	对数组进行降维，返回折叠后的一维数组，原数组不变，深拷贝
.ravel()	对数组进行降维，返回折叠后的一维数组，原数组改变，浅拷贝

注意：
1）当改变形状时，应该考虑到数组中的元素的个数，确保改变前后，元素总个数相等。
2）reshape(shape)还可以根据数组中元素的总个数、以及其他维度的取值，来自动计算出这个维度的取值。通过-1来实现

2.2 ndarry数组的转置和轴对换（name.T）

二维转置 name. T
多维轴的交换 m = k.transpose((1,0,2)) # m[y][x][z] = k[x][y][z] (0:x, 1:y, 2:z)

2.3 nadarry数组的拼接

2.3.1 vstack：垂直堆叠
垂直堆叠。按照轴的标准看，则是axis=0，即按行拼接，将每一个水平行都堆叠在一起。那么列数必须相等。

2.3.2 hstack：水平堆叠
水平堆叠。按照轴的标准看，则是axis=1，即按列拼接，将每一个垂直列都堆叠在一起。那么
行数必须相等。

2.3.3 numpy.oncatenate([], axis)按轴堆叠
默认axis=0, 从第一层内容对应开始拼接

2.3.4 numpy.c_[a ,b] 水平拼接
和水平堆叠效果一样

2.4 nadarry数组的分割
2.4.1 hsplit：水平方向分成多个水平子数组
numpy.hsplit(ndarry,x)：x 为指定均分为几部分，ndarry为要被均分的对象，不可均分则报错
hsplit(ndarray, [x, y]), 用列表代表分割的索引，不一定要均分，ndarry为要被均分的对象

2.4.2 vsplit：分成多个垂直子数组
vsplit(ndarray, x), x指定：均匀分成几部分，ndarry为要被均分的对象，不可均分则报错
vsplit(ndarray, [x, y]), 用列表代表分割的索引，不一定要均分，ndarry为要被均分的对象。

2.4.3 split / array_split(array, indicate_or_sections, axis)
axis指定按照哪一层进行切割，默认从axis=0、第0层为标准进行切割, 即vsplit方法，将垂直方向分成多个垂直子数组

3.数组运算：

3.1 数组简单运算

3.1.1 numpy.sum( narry，axis)
默认axis=0求行和，axis=1 求列和，narry为待求numpy数组

3.1.2 numpy.mean（narry）
求平均值 ，narry为待求numpy数组

3.1.3numpy.title矩阵复制
np.tile(a, (b, c)) # a为原，b为行复制把次数，c为列复制次数。

3.1.4 numpy.argsort（narry）
将元素按照行从小到大排序，返回对应位置元素的下标

3.1.5 ±*/四则运算是简单的对应位置元素的加减乘除运算

3.2 矩阵的运算

3.2.1numpy.mat（）
如果使用 np.mat 将二维数组准确定义为矩阵，就可以直接使用 * 完成矩阵乘法

如：np.mat(A) * np.mat(B)

3.2.2转置矩阵
name.T

3.2.3 矩阵求逆
np.linalg.inv(A)

3.2.4矩阵广播运算
可直接简写为a+ b, numpy自动实现广播功能，当参与运算的操作数的维度不一样时。
如代码，他会把不足的矩阵自动广播。

输入
a = np.array([[1, 2, 3],
             [4, 5, 6],
             [7, 8, 9]])
b = np.array([1, 2, 3])
a+b
输出
[[ 2, 4, 6],
 [ 5, 7, 9],
 [ 8, 10, 12]])

参考：

NumPy库的介绍与使用（一）

numpy库的使用——超详细

​