numpy库常用函数笔记

1.  矩阵和各种乘法问题

np.mat(a)  将a矩阵化 （或者np.matrix(a)）

np.multiply()   数组/矩阵对应位置相乘，输出与相乘数组/矩阵的大小一致 

np.dot() 对于秩为1的数组，执行对应位置相乘，然后再相加；对于秩不为1的二维数组，执行矩阵乘法运算；

           对于矩阵则直接进行矩阵乘积

星号（*）乘法运算  对数组执行对应位置相乘，对矩阵执行矩阵乘法运算，矩阵和数组相乘按矩阵乘法计算

@直接对数组/矩阵进行矩阵乘积运算

np.mean()  求所有元素的平均值

np.sum()求所有元素的和

————————————————————————————————————————————————

np.argmax(a, axis=None, out=None)

返回沿轴最大值的索引值

＃axis = 0 ,表示以行为基准，比较在相同列上的元素的大小返回下标，（每列找一个，有多少列找多少个）

＃axis = 1, 表示以列为基准，比较在相同行上的元素的大小返回下标，（每行找一个，有多少行找多少个）

a : array_like 
数组 
axis : int, 可选 
默认情况下，索引的是平铺的数组，否则沿指定的轴。 
out : array, 可选 
如果提供，结果以合适的形状和类型被插入到此数组中。

————————————————————————————————————————————————

np.concatenate((a1, a2, ...), axis=0)

按轴axis连接array组成一个新的array

————————————————————————————————————————————————————————————

np.power(x,num)

计算x的num次幂

不可以计算整数的负整数次幂，当x为整数时，num需要写为小数形式

————————————————————————————————————————————————————————————

np.random.choice(a, size=None, replace=True, p=None)

如果a是ndarray数组，随机样本在该数组获取（取数据元素）

————————————————————————————————————————————————————

numpy.insert(arr,obj,value,axis=None) 
同理，value为插入的数值 
arr:为目标向量 
obj:为目标位置 
value:为想要插入的数值 
axis:为插入的维度

————————————————————————————————————————————————————————————

numpy.meshgrid(x，y)——生成网格点坐标矩阵（输入的x，y，就是网格点的横纵坐标列向量（非矩阵）输出的X，Y，就是坐标                                                 矩阵。）

（在输入的x,y值把所有的线连起来就成了网状格 ，输出的X每列数各自相同，Y每行各自相同）

————————————————————————————————————————————————————————————

 numpy.ravel()       numpy.flatten()

两者所要实现的功能是一致的（将多维数组降位一维），两者的区别在于返回拷贝（copy）还是返回视图（view），numpy.flatten()返回一份拷贝，对拷贝所做的修改不会影响（reflects）原始矩阵，而numpy.ravel()返回的是视图（view，也颇有几分C/C++引用reference的意味），会影响（reflects）原始矩阵。

————————————————————————————————————————————————————————————

np.random.randint(low,high, size)

ow、high、size三个参数。默认high是None,如果只有low，那范围就是[0,low)。如果有high，范围就是[low,high)。size表示最后返回的数据的结构大小

————————————————————————————————————————————————————————————

np.unique()

 对于一维列表或数组A:

a, s,p = np.unique(A, return_index=True, return_inverse=True)

nique函数去除其中重复的元素，并按元素由大到小返回一个新的无元素重复的元组或者列表a

return_index=True表示返回新列表元素在旧列表中的位置，并以列表形式储存在s中。

return_inverse=True 表示返回旧列表元素在新列表中的位置，并以列表形式储存在p中

 对于二维数组(“darray数字类型”):

A = np.array(A)   #列表类型需转为数组类型

a, s, p = np.unique(A.view(A.dtype.descr * A.shape[1]), return_index=True, return_inverse=True)

这里面最小单位就是一个维（也就是一行）的数据，而不是一个单独的数据了