Numpy的函数收集

1）基本属性
ndim:维度
shape:各维度的尺度
size：元素的个数
dtype：元素的类型dtype
itemsize：每个元素的大小，以字节为单位
2）生成函数
np.arange(n):元素从0到n-1的ndarray类型
np.ones(shape):生成全1数组
np.zeros((shape),dtype=np.int32):生成int32型的全0数组
np.full(shape，val):生成全为val的数组，
np.eye(n)：生成单位矩阵
np.ones_like(a):按数组a的形状生成全1的数组
np.zeros_like(a)：按数组a的形状的生成全0的数组
np.full_like(a,val)：按数组a的形状的生成全为val的数组
np.linspace(1，10，4)：根据起止数据等间距的生成数组
np.linspace(1,10,4,endpoint=False):endpoint表示10是否作为生成的元素

3）数组的维度变换
reshape(shape):不改变当前的数组，依shape生成想要的形状
resize(shape):改变当前数组，依shape生成
swapaxes(ax1,ax2):将两个维度调换
flatten():对数组进行降维，返回折叠后的一位数组

4）数组的类型变换
数据类型转换：a.astype(new_type)
数组向列表的转换：a.tolist()
一维数组的切片：
a=np.array([9,8,7,6,5,])
a[1:4:2]->array([8,6])：a[起始编号：终止编号(不含):步长]
多维数组索引：
a=np.arange(24).reshape((2,3,4))
a[1,2,3]表示3个维度的编号，各个维度的编号用逗号分隔
多维数组切片
a[:,:,:,: :2]缺省时，表示从第0个元素开始，到最后一个元素

5）数组的运算：
np.abs(a),np.fabs(a)取各元素的绝对值
np.aprt(a)：计算各元素的平方根
np.square(a):计算各元素的平方
np.log(a) ，np.log10(a),np.log2(a)：计算各元素的自然对数，10，2为底的对数
np.ceil(a),np.floor(a):计算各元素的ceiling的值，floor值(ceiling向上取整，floor向下取整)
np.rint(a):各元素四舍五入
np.modf(a):将数组各元素的小数和整数部分以两个独立数组形式返回
np.exp(a)：计算各元素的指数值
np.sign(a):计算各元素的符号值1（+），0，-1（-）
np.maximum(a,b),np.fmax():比较（或者计算）元素级的最大值
np.minimum(a,b),np.fmin():取最小值
np.mod(a,b):元素级的模运算
np.copysign(a,b)：将b中各元素的符号赋值给数组a的对应元素

6）数据的csv文件存取
CSV(Comma-Separated Value,逗号分隔值) 只能存储一维和二维数组
np.savetxt(frame,array,fmt=’ %.18e’,delimiter=None):frame是文件，字符串等，可以死是.gz .bz2的压缩文件；array表示存入的数组；fmt表示元素的格式；demiliter：分隔字符串，默认是空格，
eg：np.savetxt(‘a.csv’,a,fmt=%d,delimiter=’,’)

np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False):frame是文件，字符串等，可以是gz bz2的压缩文件；dtype:数据类型，读取的数据以此类型存储；delimiter：分隔字符串，默认是空格；unpack：如果是True，读入属性将分别写入不同变量。

7）多维数据的存取
a.tofile(frame,sep=’’,format=’%s’):frame:文件，字符串；sep:数据分隔字符串，如果是空串，写入文件为二进制；
format：写入数据的格式
eg：a=np.arange(100).reshape(5,10,2)
a.tofile(“b.dat”,sep=",",format=’%d’)

np.fromfile(frame,dtype=float,count=-1,sep=’’):frame:文件，字符串；dtype：读取的数据以此类型存储；count：读入的元素个数，-1表示读入整个文件；sep：数据分隔字符串，如果是空串，写入文件为二进制

a.tofile()和np.fromfile()要配合使用，要知道数据的类型和维度。

np.save(frame,array):frame:文件名，以.npy为扩展名，压缩扩展名为.npz,array为数组变量
np.load(frame):frame:文件名，以.npy为扩展名，压缩扩展名为.npz

np.save()和np.load()使用时，不用考虑数据类型和维度。

8）numpy的随机数函数
rand(d0,d1,…,dn):各元素[0,1)的浮点数，服从均匀分布
randn(d0,d1,…,dn):标准正态分布
randint(low,high,(shape)):依shape创建随机整数或整数数组，范围是[low,high)
seed(s):随机数种子
shuffle(a):根据数组a的第一轴进行随机排列，改变数组a
permutation(a):根据数组a的第一轴进行随机排列，但是不改变原数组，将生成新数组
choie(a[,size,replace,p])：从一维数组a中以概率p抽取元素，形成size形状新数组，replace表示是否可以重用元素，默认为False

uniform(low,high,size):产生均匀分布的数组，起始值为low，high为结束值，size为形状
normal(loc,scale,size)：产生正太分布的数组，loc为均值，scale为标准差，size为形状
poisson(lam,size):产生泊松分布的数组，lam随机事件发生概率，size为形状
eg：a=np.random.uniform(0,10,(3,4))

9）numpy的统计函数
sum(a,axis=None)：依给定的轴计算数组a相关元素之和，axis为整数或元祖
mean(a,axis=None):同理，计算平均值
average(a,axis=None,weights=None) :依给定的轴计算数组a相关元素的加权平均值
std(a,axis=None) :同理，计算标准差
var(a,axis=None)：计算方差
eg:np.mean(a,axis=1):对数组a的第二维度的数据进行求平均

min(a),max(a)：计算数组a中的最小值和最大值
argmin(a),argmax(a):计算数组a的最小，最大值的下标
unravel_index(index,shape):根据shape将一维下标index转成多维下标
ptp(a):计算数组a最大值和最小值的差
median(a):计算数组a中元素的中位数

10）图像的表示和变换
PIL，python image library库
from PIL import Image
Image是PIL库中代表一个图像的类(对象)
im=np.array(Image.open(".jpg"))
im=Image.fromarray(b.astype(‘uint8’)) #生成
im.save(“路径.jpg”) #保存
im=np.array(Image.open(".jpg").convert(‘L’)) #转为灰度图像