numpy函数总结

numpy是python中常用的库

import numpy as np

1、numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

–>返回指定区域内的均匀分布的数字，默认包含端点。
–>endpoint默认stop是最后一个点，选择为False是不包含。
–>如果retstep是True，返回 (samples, step)，step是间隔。

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
Return evenly spaced numbers over a specified interval. #返回指定区间内间隔均匀的数字
Returns num evenly spaced samples, calculated over the interval [start, stop]. #返回num个间隔均匀的样本，计算间隔[开始,停止]
The endpoint of the interval can optionally be excluded. #区间的端点可以选择排除

-->np.linspace(2.0, 3.0, num=5)
array([2.  , 2.25, 2.5 , 2.75, 3.  ])
-->np.linspace(2.0, 3.0, num=5, endpoint=False)
array([2. ,  2.2,  2.4,  2.6,  2.8])
-->np.linspace(2.0, 3.0, num=5, retstep=True)
(array([2.  ,  2.25,  2.5 ,  2.75,  3.  ]), 0.25)

2、numpy.digitize(x, bins, right=False)

返回输入数组x中每个值对应bins的索引，right表示是否包含右边边界（左右边界只有一个包含，因此可以通过一个参数控制左右边界）
Return the indices of the bins to which each value in input array belongs.
注意！这个索引不是对应值，而是一个区间

bins是上升数组时：
right=False —> bins[i-1] <= x < bins[i]
right=True —> bins[i-1] < x <= bins[i]
bins是下降数组时：
right=False —> bins[i-1] > x >= bins[i]
right=True —> bins[i-1] >= x > bins[i]

x = np.array([0.2, 6.4, 3.0, 1.6])
bins = np.array([0.0, 1.0, 2.5, 4.0, 10.0])
inds = np.digitize(x, bins)
inds
array([1, 4, 3, 2])

3、np.array（）

创建数组

a = np.array([2,3,4])
b = np.array([2.0,3.0,4.0])
c = np.array([[1.0,2.0],[3.0,4.0]])
d = np.array([[1,2],[3,4]],dtype=complex) # 指定数据类型
print a, a.dtype
print b, b.dtype
print c, c.dtype
print d, d.dtype

[2 3 4] int32
[ 2.  3.  4.] float64
[[ 1.  2.]
 [ 3.  4.]] float64
[[ 1.+0.j  2.+0.j]
 [ 3.+0.j  4.+0.j]] complex128

shape[0]读取矩阵第一维度的长度

.shape可以快速读取矩阵的形状

4、np.squeeze(tmp_ts)

从数组的形状中删除单维度条目，即把shape中为1的维度去掉

numpy.squeeze(a,axis = None)
1）a表示输入的数组；
2）axis用于指定需要删除的维度，但是指定的维度必须为单维度，否则将会报错；
3）axis的取值可为None 或 int 或 tuple of ints, 可选。若axis为空，则删除所有单维度的条目；
4）返回值：数组
5) 不会修改原数组；

np.squeeze（）函数可以删除数组形状中的单维度条目，即把shape中为1的维度去掉，但是对非单维的维度不起作用。

5、增加维度

增加某一维度，只需要加入None即可

>>> a = np.array([2,3,4])
>>> a.shape   
(3,)
>>> a = a[:,None] 
>>> a.shape 
(3,1)
>>> a
array([[2],
       [3],
       [4]])

6、data_path[-1]

data_path[-1]表示最后一位

7、np.prod函数

numpy.prod(a, axis=None, dtype=None, out=None, keepdims=<class ‘numpy._globals._NoValue’>)
返回给定轴上的数组元素的乘积。