NumPy
属性
ay = np.array([])- 建立一个矩阵
-
ay.nidmay.shapeay.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)
