Python3.7 Win版常用函数积累(持续更新，欢迎批评指正)

Python自带

range() range(a)：生成0到a-1的a个数字；
len() 求长度，对2-D array返回行数；
format() 对使用科学计数法表示的数保留指定的小数点后位数；
min() 求最小值；
abs() 求平均值；
round() 四舍五入，保留至小数点后指定位数(坑很大)；
type() 查看括号内数据的类型；
assert() 断言，当括号内表达式为True时程序继续进行，为False时则出发异常。断言可以在条件不满足程序运行的情况下直接返回错误，而不必等待程序运行后出现崩溃的情况。

numpy模块(np)

import numpy as np
np.multiply() 数组元素逐个相乘，与*类似。两个二维数组A,B相乘时，当A,B的某个维度不同时会触发python的广播机制，如A.shape=(1,3)，B.shape=(2,3)，则在进行相乘运算时，python会自动将A的shape变为(2,3)与B进行逐个元素的相乘，当然运算后A的shape仍为(1,3)；
np.nan_to_num(x) 使用0代替数组x中的nan元素，使用有限的数字代替inf元素(nan是not a number，inf是无穷大)，然后求和；
np.exp() 自然底数e；
np.log() 以e为底，np.log10()：以10为底；
np.sqrt() 求算术平方根；
np.mean() 计算指定轴的算术平均值。返回数组元素的平均值。默认的情况下，求均值的操作在平展开来的数组上进行，否则就在指定的轴上。如果是二维矩阵，axis=0返回列的平均值，axis=1返回行的平均值；
np.var() 求方差；
np.std() 求标准差的时候默认是除以 n 的，即是有偏的，np.std()无偏样本标准差方式为加入参数 ddof = 1；
np.dot() 矩阵相乘；
np.append() 两个array的拼接(至少有一个维度相同)，axis=0：沿纵轴拼接；axis=1：沿横轴拼接(要么一个数组和一个数值；要么两个数组，不能三个及以上数组直接append拼接)；
np.concatenate((a1,a2,…), axis=0) 能够一次完成多个数组的拼接。其中a1,a2,…是数组类型的参数，axis=0：沿纵轴拼接；axis=1：沿横轴拼接；
X = X[:,np.newaxis] 将一维array X转换为二维；
np.empty(shape=[a,b]) 创建一个a行b列的空array；
np.int64() 对True元素返回1，False元素返回0；
np.diag() 相当于MATLAB中的diag，生成对角矩阵，示例：y=np.diag([1,2])，y为[ [1 0] [0 2] ]；
np.squeeze(a,axis = None) 从数组的shape中删除单维度条目，即把shape中为1的维度去掉(详细参考)。
np.delete() 删除ndarray元素(参考)

scipy模块

from scipy.stats import norm

norm.pdf() 标准正态分布的概率密度函数；
norm.cdf() 标准正态分布的累计分布函数；
norm.ppf() 标准正态分布的累计分布函数的反函数；

from scipy import linalg

linalg.solve(A,b) 求解线性方程组，eg:
A = np.array([[1,0.001, 250,0.0012,2502],[1,0.0016, 250,0.00162,2502],[1,0.00099, 250,0.000992,2502], [1,0.001,362.5,0.0012,362.52],[1,0.001,137.5,0.0012,137.52]]) # A代表系数矩阵
b = np.array([13.6746, 10.8053, 16.5475,16.8919,-10.2998]) # b代表常数列
x = linalg.solve(A, b)

PIL模块

from PIL import Image

img = Image.open(‘路径’)：打开指定路径图片；
img.show()：调用系统自带的图片浏览器打开图片；

import matplotlib.pyplot as plt

img = Image.open(‘路径’) #打开指定路径图片
plt.figure(‘dog’) #创建标题为“dog”的图窗
plt.imshow(img) #将img导入图窗
plt.show() #显示图片