numpy

	基本操作
np.arange	类似range，生成numpy数组
np.random.randn	按照shape生成随机正态分布的数据
arr.ndim	查看数组维度
arr.shape	查看数组每个维度的长度
arr.dtype	查看数组的类型
np.array	将输入数据转化为ndarray，不指定类型，则自动推断，默认复制所有输入数据
np.asarray	将输入转为ndarray，若输入已经是ndarray则不再复制
arr.astype	转换到指定数据类型

	数组生成
np.ones	根据shape和dtype生成全1数组
np.ones_like	根据给定数组，生成一个shape一样的全1数组
np.zeros	全0
np.zeros_like	类似ones_like
np.empty	根据给定的shape和dtype生成空数组
np.empty_like	根据给定的数组，生成一个形状一样的空数组
np.full	同上，生成指定数组的数组
np.full_like	同上
np.eye	生成N*N的特征矩阵（即对角线都是1 ，其余全是0）
np.identity	同eye、

ndarray切片

numpy数组的切片与python内建列表的切片非常不一样，恰恰相反，numpy数组的切片是原数组的视图，也就是说当我们在数组的切片上做改变时，原数组上也会改变
arr[2:3].copy()： 如果需要复制的话，就要显示的使用copy方法
在不同维度上制作切片时，用逗号隔开

#如：
arr_1 = arr[:, :]

ndarray索引

ndarray的索引都是拷贝

布尔索引

使用布尔索引生成的是数据的拷贝，对原数据没有改变

神奇索引

直接将自己需要的数据的索引组成列表，再将列表传入当索引，直接可以选出自己想要的数据

import numpy as np

arr = np.empty((5,3))
for i in range(5):
    arr[i] = i
print(arr)
print("............")
print(arr[[1,3]])
print("............")
print(arr[[-1,-3]])

"""
out:
[[0. 0. 0.]
 [1. 1. 1.]
 [2. 2. 2.]
 [3. 3. 3.]
 [4. 4. 4.]]
............
[[1. 1. 1.]
 [3. 3. 3.]]
............
[[4. 4. 4.]
 [2. 2. 2.]]
"""

数组的转置和换轴

|

T方法	转置
transpose方法	换轴
swapaxes	接受一对轴编号作为参数，并对轴进行调整用于重组数据

通用函数

	一元通用函数
abs, fabs	逐元素地计算整数，浮点数或复数的绝对值
sqrt	计算平方根
square	计算平方
exp	计算每个元素的自然指数值e^x
log,log10,log2,log1p	对数，底分别为：e，10，2。log1p为对数log（1+x）
sign	计算每个元素的符号值：1（正数），0，-1（负数）
ceil	计算最高整数值
floor	计算最小整数值
rint	将元素保留到整数位，并保留dtype
modf	将数组的小数部分和整数部分按数组形式返回
isnan	返回数组中的元素是否不是一个数值（是一个nan），返回布尔数组
isfinite, isinf	反别返回数组中元素是否有限（非inf，非NaN），是否无限的，返回布尔数组
cos,cosh,sin,sinh,tan,tanh	常规双曲三角函数
arc…	加上前缀arc变成反三角函数

	二元通用函数
subtract	在第二个数组中，将第一个数组中包含的元素去除
divide，floor_divide	整除
power	将第二个数组的元素作为第一个数组对应元素的幂次方
maximum，fmax	逐元素计算最大值，fmax忽略NaN
minximum，fmin	逐元素计算最小值，fmin忽略NaN
mod	按元素的求模计算
copysign	将第一个数组的符号值改为第二个数组的符号值

np.where(x,y,c)： 三目运算符，同“x if c else y”

面向数组编程

数组统计方法

sum	沿轴对所有元素进行求和
mean	数学平均，0长度数组的平均为NaN
std，var	标准差和方差，可以选择自由度调整，默认分母为n
max，min	最大最小值
armax,armin	最大最小值的位置
cumsum	从0开始元素累积求和
cumprod	从1开始元素累积求积

布尔值数组的方法

在numpy中布尔值会被强制为1或者0，所有通常可以使用sum统计true的个数

arr.any()	检查数组中是否至少含有一个True（非0）
arr.all()	检查是否每一个值都为True（非0）

排序

np.sort()和python的sort方法有点不一样，np.sort是拷贝排序，而python自带的sort是直接在原序列上进行排序

唯一值与其他集合逻辑

unique(arr)	计算数组每个元素的唯一值，并排序
intersect1d(x,y)	计算x和y的交集，并排序
union1d(x,y)	计算x与y的并集，并排序
in1d(x,y)	计算x中的元素是否包含在y中，返回布尔值数组
setdiff1d(x,y)	差集，在x中但不在y中的x的元素
setxor1d(x,y)	异或集

使用数组进行文件输入输出

numpy可以在硬盘将数据以文本或者二进制文件的方式进行存储或读取，此刻只讨论二进制存读

np.save(filename, arr)	存储为以.npy为后缀的二进制文件
np.savez(filename, a=arr_a, b=arr_b…)	以键值字典的方式存储多个数组，读取时，并根据键获得对应数组
np.load(filename)	读取npy文件，获得一个数组型或者字典型的数据

Numpy的线性代数

	常用的numpy.linalg函数
diag	将方阵的对角（或非对角）元素作为一维数组返回，或者将一维数组转换成方阵，并且在非对角线上有零点
dot	矩阵点乘
trace	计算对角元素和
det	计算矩阵的行列式
eig	计算方阵的特征值和特征向量
inv	计算方阵的逆矩阵
pinv	计算矩阵的Moore-Penrose伪逆
qr	计算QR分解
svd	计算奇异值分解（SVD）
solve	求解x的线性系统Ax = b，其中A是方阵
lstsq	计算Ax=b的最小二乘解

伪随机数生成

	numpy.random函数中的部分函数
seed	向随机数生成器传递随机状态种子
permutation	返回一个序列的随机排序，或者返回一个乱序的整数范围内的序列
shuffle	随机排序一个序列
rand	从均匀分布中抽样样本
randint	根据给定的由低到高的范围抽取随机整数
randn	从均值0方差1的正态分布中抽样
binomial	从二项分布中抽样
normal	从正态分布中抽样
bata	从beta分布中抽样
chisquare	从卡方分布中抽样
gamma	从伽马分布中抽样
uniform	从均值[0.1）分布中抽样