Numpy常用总结

Numpy是一个用于进行数组运算的库

Numpy中最重要的对象是称为ndarray的N维数组类型

一般使用如下语句导入:import numpy as np

创建数组:numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

可以用np.dtype()定义结构体

数组维度:ndarray.shape

数组维数:ndarray.ndim

调整数组维度:ndarray.reshape(shape)

创建未初始化数组:numpy.empty(shape, dtype = float, order = 'C')

创建零数组:numpy.zeros(shape, dtype = float, order = 'C')

创建一数组:numpy.ones(shape, dtype = float, order = 'C')

用现有数据创建数组:numpy.asarray(a, dtype = None, order = None)

按数值范围创建数组:numpy.arange(start = 0, stop, step = 1, dtype),类似的有linspace()和logspace()

切片:b=a[start:stop:step],可以用...代表剩余维度

整数索引:每个整数数组表示该维度的下标值,b=a[[r1, r2], [c1, c2]]

布尔索引:返回是布尔运算的结果的对象,可以用&或|连接()分隔的条件

在 NumPy 中可以对形状不相似的数组进行操作,因为它拥有广播功能,我的理解是,广播是一种维度的单方向拉伸

数组迭代:numpy.nditer(ndarray)或ndarray.flat

数组长度:len(arr)

访问第i个元素:一维数组用a[i],多维数组用a.flat[i]

数组转置:ndarray.T

数组分割:numpy.split(ary, indices_or_sections, axis),第二项的值为整数则表明要创建的等大小的子数组的数量,是一维数组则表明要创建新子数组的点。

追加值:numpy.append(arr, values, axis)

插入值:numpy.insert(arr, idx, values, axis)

删除值:numpy.delete(arr, values, axis)

去重数组:numpy.unique(arr, return_index, return_inverse, return_counts)

字符串函数:numpy.char类

三角函数:numpy.sin(arr),numpy.cos(arr),numpy.tan(arr)

四舍五入:numpy.around(arr,decimals)

向下取整:numpy.floor(arr)

向上取整:numpy.ceil(arr)

取倒数:numpy.reciprocal(arr),注意对于大于1的整数返回值为0

幂运算:numpy.power(arr,pow),pow可以是一个数,也可以是和arr对应的数组

取余:numpy.mod(a,b),b可以是一个数,也可以是和a对应是数组

最小值:numpy.amin(arr,axis)

最大值:numpy.amax(arr,axis)

数值跨度:numpy.ptp(arr,axis)

算术平均值:numpy.mean(arr,axis)

标准差:numpy.std(arr)

方差:numpy.var(arr)

副本的改变会影响原数组(赋值),视图的改变不会影响原数组(ndarray.view(),切片,ndarray.copy())

线性代数:numpy.linalg模块