读书笔记2：python数据分析基础教程：numpy学习指南第三、四章

1.文件读写
创建单位矩阵：i2=np.eye(3)
将数据存储到文件中：np.savetxt(“eye.txt”,i2)
【注】csv(comma-separated Value)通常即数据库的转存文件格式，各个字段对应着数据库的列
读取csv文件：loadtxt()
c,v=np.loadtxt(‘data.csv’,‘delimiter=’,’,usecols=(6,7),unpack=True)
在data.csv文件中以,为分隔符，读取第六七列数据（usecols）并分别赋值给cv(unpack=True的作用)
2.计算函数
计算平均数：np.mean(c )
计算数组的取值范围 ptp()=max-min
计算中位数：median（）
计算方差：np.var()
计算标准差：np.std()
计算相邻元素数据的差值:np.diff() 结果生成新数组
(后一个元素减前一元素，结果放入数组中)axis=0，1
对条件进行判断:np.where(条件)返回所有满足条件的索引值
通过索引值获取元素值：np.take()
返回最小元素的索引值：np.argmin()
。。。大。。。。。。：np.argmax()
获取命令行参数：sys.argv[] 0为文件名字 从1开始即输入命令行中参数
N=int(sys.atgs[1])即读取向命令行输入N的大小
创建初始化为1的数组：np.ones（） 一维
根据权重，卷积的计算：convolve() 计算简单移动平均线
指数函数：np,exp(5) 即e的五次幂
生成在指定范围内均匀分布的数组：np,linspace(start,end,num)
将数值归一化：ndarray.sum()
将数组元素值全设置为一个指定标量值：np.fill()
制作同型为1的数组：np.ones_like()
返回两数组的共同元素：intersect1d()
计算协方差矩阵:np.cov()
查看对角线元素：矩阵.diagonal()
计算矩阵的迹（对角线元素之和）：np.trace()
计算两个矩阵的相关系数(-1~1 1最理想线性关系)：
np.corrcoef()
拟合数据点：np.ployfit(x,y,n) n为阶数 返回一函数
返回多项式在x处的值 np.plotval(p,x)
求多项式根的函数：np.roots(p )
对多项式进行求导：np.polyder()
对多项式作差：np.polysub()
返回数组内每个元素的正负符号：np.sign() 负为-1 正为1，否则为0
通过分段给定取值获取数组元素的正负：np.piecewise(change, [change < 0, change > 0], [-1, 1])
判断数组是否一致：np.array_equal()
映射函数：numpy.vectorize()相当于python 中map
输出窗口中的点数：np.hanning(n)
判断是否为实数np.isreal(xpoints)
挑选元素：np.select([条件]，【数组】)
去掉数组首尾零元素：np.trim_zeros()
3.线性代数linalg包
最小二乘法b=ax求系数 a=np.linalg.lstsq(x,b)
计算点集 numpy.dot(b,x)
4.numpy.ndarray方法
var\sum\argmax\argmin\mean等等
返回修剪后的数组clip(max,min)：将超过max的值都设定为max，将低于min的值都设定为min
返回根据给定条件修剪的数组compress(条件)
5.阶乘
计算数组内所有元素的乘积：ndarray.prod()
实现阶乘则用arrange生成数据，1~9则实现9！