基础Numpy总结

对axis的理解

如果shape=(2,3,4)
那么这三个对应的aixs即为0，1，2，相应维度操作即可。

对shape的理解

当你.shape时，[1,2,3].shape=(3,)所以说在numpy中一维是这样表示的
对于（3,1)这表示的是二维array，[[1,2,3]].shape=(1,3)

基础属性

size itemsize shape ndim dtype

np.nan ,np .inf

可用isnan,isinf判断

Z.flags.writeable

Z.flags.writeable = False #只可读，不可写

np.newaxis(None)

~

取反

初始化

np.zeros(),np.ones()

np.arange()

np.eye()

np.random.random()

[0,1)上的随机浮点数

np.random.uniform（）

Z = np.random.uniform(-10,+10,(10，10))
返回-10-10上维度为（10，10）的均匀分布的数（抽样）

np.random.randint（）

Z1 = np.random.randint(0,10,10):0-10上随机取整数

np.random.choice（）

np.random.rand()

从【0，1）的均匀分布式上采样

np.random.shuffle()

np.random.randn

标准正太分布

对数组

reshape()

np.nonzero()

np.maximum,np.minimum

.max(),.min(),.mean(),.sum(),.std(),np.abs()

np.pad()