numpy 常用方法总结

记录使用numpy过程中常用的方法。(不断更新）
官方文档

import numpy as np

a = np.array([[0, 1],
              [2, 3],
              [4, 5]])

numpy.arange

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

返回给定间隔内的均匀间隔的值。
start——开始值
stop——结束值
step——步长

specified_column = np.arange(a.shape[1])
print(a[:, specified_column])

结果：
[[0 1]
[2 3]
[4 5]]

len(a)

输出的就是a.shape[0]

numpy.mean

numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>)

沿指定轴计算算术平均值。
axis即为轴，0表示按列取，1表示按行取

a = np.array([[1, 2], [3, 4]])
np.mean(a)
# 2.5
np.mean(a, axis=0)
# array([2., 3.])
np.mean(a, axis=1)
# array([1.5, 3.5])

numpy.reshape

numpy.reshape(a, newshape, order='C')

在不更改数据的情况下为数组赋予新的形状。

np.reshape(a, (2, 3)) # C-like index ordering
# array([[0, 1, 2],
#       [3, 4, 5]])

print(a.reshape(1, -1)) # 将数据变为1行
# [[0 1 2 3 4 5]]

numpy.clip

numpy.clip(a, a_min, a_max, out=None, **kwargs)[source]

给定一个间隔，该间隔之外的值将被裁剪到间隔边缘。例如，如果指定间隔[0，1]，则小于0的值将变为0，而大于1的值将变为1。

print(np.clip(a, 1, 3))
# [[1 1]
# [2 3]
# [3 3]]

[::-1]

[i:j:s]    # 表示：i,j为开始与结束，s表示步进，缺省为1.

比如：

a='python'
b=a[::-2]
print(b)
# nhy

print(a[::-1])

结果：
[[4 5]
[2 3]
[0 1]]