NumPy

属性

• ay = np.array([])
• 建立一个矩阵
• ay.nidm ay.shape ay.size

array生成矩阵

• a = np.array([1,23,4], dtype = np.int)
• a = np.zeros((3, 4))
• a = np.ones((3, 4)) 生成全是1的矩阵
• a = np.empty((3, 4)) 非常接近0的数
• a = np.arange(10, 20).reshape((3, 4))
• 注意::reshape里面是一个元组::，输出为10-19
• a = np.linspace(1, 10, 20) 生成一个数列，最后一个参数是元素个数

基础运算

• c = a - b 加（减）法逐个元素想加（减）
• c**2 平方注意有两个*
• np.dot(a, b) 矩阵相乘
• np.min()
• np.argmin() 输出最小值对应的索引
• axis = 0 时在行中运算，axis = 1 时在列中运算
• np.medin() 求中位数
• np.mean() np.average() 求平均值，average可以求加权平均
• np.cumsum() 逐项向前累加（斐波那契数列）
• np.diff() 后项减前项的差
• np.nonzero() 返回两个array，第一个是不为零元素的行数，第二个是列
• np.sort() 排序
• np.transpose() A.T 矩阵转置
• np.clip(A, 5, 9) 将所有元素中，小于5的变为5，大于9的变为9，其余不变
• np.matrix(A) A.I 求逆矩阵

迭代

• for cow in A 迭代行
• for column in A.T 迭代列
• for item in A.flat 迭代每一个元素，A.flat返回的是迭代器！
• a.flatten() 返回一个array，不同于A.flat
• 切片操作与python数组相同

合并，分割

• np.vstack(A, B) 上下合并
• np.hstack(A, B) 左右合并
• 注意：::A.T不能把一个数列变成一个纵向矩阵::
• A[np.newaxis, :] 将第一个维度+1（效果也可以用reshape实现）
• np.concatenate()

axis=

• axis=0时逐行运算，相当于横着‘压扁’
• axis=1时逐列运算，相当于竖着‘压扁’

插入，删除

• np.insert(arr,obj,value,axis=None)
  • value为插入的数值
  • arr为目标向量
  • obj为目标位置 ,表明哪一个子向量应该被移除，可以为整数或一个int型的向量
    • obj = numpy.s_[::2] , 表示选取奇数
  • value为想要插入的数值
  • axis为插入的维度
• np.append(arr,values,axis=None)
  • 将values插入到目标arr的最后
• numpy.delete(arr,obj,axis=None)