Numpy的常用函数和常用技巧总结

常用函数

numpy.genfromtxt(fname = “”,delimiter = “”, dtype = “”，skip_header = 1)

• fname: 读取文件路径
• delimiter: 用于分隔值的字符串。默认情况下，任何连续的空格都用作分隔符。也可以提供整数或整数序列作为每个字段的宽度。
• dtype: 返回值ndarray中数据的类型。
• skip_header：要在文件开头跳过的行数。
• 返回值： <class ‘numpy.ndarray’> —— (其实就是一个矩阵)
• 作用：读取 “txt” 文本数据

numpy.array(xxx)

• 入参： list 类型 的值。
• 作用： 将数据从 list 类型 转换成 ndarray 类型。
• note：入参list中的类型保持一致，若不同，将自动进行类型的转换。

numpy.ravel(a, order='C’)

• 返回一个连续的扁平数组（一维数组）。

ndarray.astype(dtype, order='K’, casting='unsafe’, subok=True**,** copy=True**)**

• dtype:要转换数组的Typecode或数据类型

ndarray.min(axis=None, out=None**,** keepdims=False**)**

• return 沿给定轴返回最小值
• 与 numpy.amin**(a,** axis=None**,** out=None**,** keepdims=, initial=) 等效
• axis: 轴或轴沿其操作。默认情况下，使用展平输入。 1.7.0版中的新功能。 如果这是一个整数元组，则在多个轴上选择最小值，而不是像以前那样选择单个轴或所有轴。

ndarray.sum(axis=None, out=None**,** keepdims=False**)**

• return 返回给定轴上的数组元素的总和。
• 与 numpy.sum**(a,** axis=None**,** out=None**,** keepdims=, initial=) 等效
• axis: 轴或轴沿其操作。默认情况下，使用展平输入。 1.7.0版中的新功能。 如果这是一个整数元组，则在多个轴上选择最小值，而不是像以前那样选择单个轴或所有轴。
  • axis = 0 : 按列进行
  • axis = 1 : 按行进行

numpy.exp**(**x)

• 计算输入数组中所有元素的指数。

numpy.sqrt**(**x)

• 以元素方式返回数组的非负平方根。

numpy.floor**(**x）

• 以元素方式返回输入的下取整。

numpy.arange([start, ]stop,* [step, ]dtype=None)

• 在给定间隔内返回均匀间隔的值。
• stop: 间隔结束。间隔不包括此值，除非在某些情况下，step不是整数，浮点舍入会影响out的长度。
• 返回的是ndarray而不是列表。

ndarray.reshape(shape, order='C’)

• 返回包含具有新形状的相同数据的数组。
• 与 numpy.reshape(a, newshape**,** order='C’) 等效
• shape: 新形状应与原始形状兼容。如果是整数，则结果将是该长度的1-D数组。一个形状尺寸可以是 -1。在这种情况下，该值是从数组长度和剩余维度推断出来的。

numpy.zeros(shape, dtype=float**,** order='C’)

• 返回给定形状和类型的新数组，用零填充。

numpy.ones(shape, dtype=None**,** order='C’)

• 返回给定形状和类型的新数组，用" 1 "填充。

numpy.random.random(size=None)

• 在半开区间[0.0,1.0]中返回随机浮点数。
• 结果来自所述间隔的“连续均匀”分布。要采样乘以random_sample的输出（b-a）并添加。
• size: 整数的int或元组

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

• 在指定的间隔内返回均匀间隔的数字。 返回num均匀间隔的样本，在[start，stop]区间内计算。 可以选择排除间隔的终点。 版本1.16.0中已更改：现在支持非标量启动和停止。

numpy.hstack(tup)

• 作用： 按顺序堆叠数组（列式）—— 横着进行拼接
• tup：除了第二轴之外的所有阵列必须具有相同的形状，除了可以是任何长度的1-D阵列。

numpy.vstack(tup)

• 作用： 垂直堆叠数组（行方式）—— 竖着进行拼接
• tup：除了第一个轴之外，阵列必须具有相同的形状。 1-D阵列必须具有相同的长度。

numpy.hsplit(ary, indices_or_sections**)**

• 将 ary 按照 indices_or_sections 格式进行***横向***切割
• indices_or_sections：
  • 可以为数字n——切分为块
  • 可以为元组 —— 按照切片的形式进行切割

numpy.vsplit(ary, indices_or_sections**)**

• 将 ary 按照 indices_or_sections 格式进行***纵向***切割
• indices_or_sections：
  • 可以为数字n——切分为块
  • 可以为元组 —— 按照切片的形式进行切割

numpy.argmax(a, axis=None**,** out=None**)**

• 返回沿轴的最大值的索引。
• axis: 默认情况下，索引进入展平数组，否则沿指定轴。

numpy.tile(A, reps**)**

• 通过重复A重复给出的次数来构造数组。
• 如果reps的长度为d，则结果的维度为max（d，A.ndim）。
• reps: 元组类型。沿每个轴重复A的次数。

numpy.sort(a, axis=-1**,** kind='quicksort’, order=None**)**

• 返回数组的已排序副本
• axis: Axis沿着它排序。如果为None，则在排序之前将数组展平。默认值为-1，它沿最后一个轴排序。
• 通过 A[numpy.argsort(A)] 也可以将A进行排序

常用技巧

print(help(xxx))

• 查看有关 XXX 的官方帮助文档，全是英文，建议直接看Demo 代码。

print(xxx.shape)

• 查看 xxx 的shape (行,列) ,eg: (4,) ; (2,3)
• 方便debug调试

Numpy 中获取数据（索引、切片）

• 索引： xxx[x,y] —— 假设为2维数据
  • x,y 为目标数据在矩阵中的位置
• 切片：xxx[:,1] —— 假设为2维数据
  • ：代表 所有的
  • ：遵循 左闭右开原则

equal_result = (vector == 10 )

• 会将vector中的所有元素与10进行比较，且返回与vector相同数据格式的值，但dtype属性不一定一样
• 返回的结果，可以当成索引，vector[equal_result] - 用于返回元素值为True位置的元素

逻辑判断 （与或非）

• 与： &
• 或： |
• 非： ！

ndarray.ndim

• 返回 ndarray 的维数。

ndarray.dtype.name

• 返回 ndarray 的dtype 的 name。

ndarray.size

• 返回 ndarray 中 元素的个数。

矩阵的乘法

• A * B : 对应位置元素相乘。
• A.dot(B) : 矩阵的内积操作。

矩阵的转置

• vector.T ： 返回vector的转置矩阵

矩阵的复制

• A = B : A与B将同时指向相同内存元素，改变其中一方，另一方也会相应进行改变
• A = B.vew() : 此操作会将 B 进行***浅复制***，他们不是指向同一处地址 且 改变其中一方的shape ,另一方的shape不会进行修改；但是改变其中一方的元素的值，另一方也会对应进行改变。 （共用一套值）
• A = B.copy() :此操作会将 B 进行***深复制***，A与B互不影响。