numpy基本操作

numpy基本操作

具体信息请查看官方文档

数组创建

1. 直接定义

a = np.array([2,3,4])

2. 使用arange函数（类似python中的range函数） API： numpy.arange

a = np.arange(12).reshape((3,4))

3. 当步长为浮点数的时候，常常使用linespace函数：给定start ， end以及num直接指定元素数量。
4. 函数zeros 创建一个由0组成的数组，函数ones创建一个完整的数组，函数empty 创建一个数组，其初始内容是随机的，取决于内存的状态。
5. 随机生成矩阵：a = np.random.random((2,4)): 随机生成2*4的矩阵

基础运算

1. 算术运算符（+，-，* ，**，sin等）会应用到 元素 级。
   特别注意平方的表示方法 eg. c = b**2

>>> a = np.array( [20,30,40,50] )
>>> b = np.arange( 4 )
>>> b
array([0, 1, 2, 3])
>>> c = a-b
>>> c
array([20, 29, 38, 47])
>>> b**2
array([0, 1, 4, 9])
>>> 10*np.sin(a)
array([ 9.12945251, -9.88031624,  7.4511316 , -2.62374854])
>>> a<35
array([ True, True, False, False]

2. 对于数组，print(array<3)可以判断哪些元素小于3. 小于三的元素用True占位，其他的用false占位。
3. 对于a，b两个矩阵点乘：a.dot(b)或者a@b
4. 求矩阵a中所有元素的和np.sum(a), 最大值np,min(a), 最小值np.max(a)。
5. 计算最小值或者最大值的索引np.argmin(a), npargmax(a)。 计算所有元素的平均值a.mean()
6. 转置：a.T 或者np.transpose(a)
7. np. clip(a,5,9) 所有大于9的数换成9，小于5的换成5
8. axis参数指定运算维度，axis=1 以列为单位运算，axis=0以行为单位运算。

索引与切片

1. 对二维数组
   A[2] 代表索引为2的一整行
   A[2][1] 坐标为（2，1）的元素
   A[:6:2] = -1000 equivalent to a[0:6:2] = -1000; from start to position 6, exclusive, set every 2nd element to -1000
   A[ : :-1] 逆序
   A[ : ,1] 第一列
2. 迭代所有行，转置后可以迭代所有列

for row in A:
    print(row)

3. 迭代所有元素：

for item in A.flat
	print(item)

A.flatten() 把二维数组转化为一维数组

array叠加与分割

4. vertical stack: np.vstack(A, B)
   horizontal stack: np.hstack(A, B)
   把一行转化成一列无法使用转置，使用newaxis添加新维度
5. hsplit() 以及vsplit()

浅拷贝&深拷贝

1. 变量本质为reference。
2. deep copy使用copy函数：b=a.copy()