Numpy.md

Numpy基础语法

安装numpy

pip install numpy import numpy as np

使用np.array()创建

np.arange(x)为左闭右开结构，数据从0开始，到x-1结束，生成规则递增序列，同时也可以指定arange的3s参数，start、stop与step。 numpy默认ndarray的所有元素的类型是相同的。 如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int。

ndarray的属性

ndim:维度

shape：形状（各维度的长度）

size：大小（总长度）

dtype：元素类型

ndarray的基础操作

索引与切片：

一维数组的单元素索引跟python序列（列表，元组）完全一样，它从零开始，并且接受负索引来从数组的结尾进行索引 如果索引索引数量少于维度的多维数组，则会得到一个子维数组

变形

使用reshape函数，注意参数是一个tuple 转置矩阵 np.T

级联

np.concatenate()

参数是列表：一定要加中括号或小括号 维度必须相同 形状相符 通过axis参数改变级联的方向

np.hstack与np.vstack

水平级联与垂直级联,处理自己，进行维度的变更

切分

np.split

np.vsplit

np.hsplit

副本

copy()函数创建副本

ndarray的聚合操作

np.sum

求和

np.max/ np.min

最大最小值

ndarray的排序

快速排序

np.sort()与ndarray.sort() np.sort()不改变输入 ndarray.sort()本地处理，不占用空间，但改变输入

唯一值,去重

np.unique()

部分排序

np.partition(a,k)

当k为正时，我们想要得到最小的k个数 当k为负时，我们想要得到最大的k个数

使用内置函数便捷创建

np.arange()

创建递增序列

np.ones(shape=,dtype=)

创建全为1的数组矩阵

np.zeros(shape=,dtype=)

创建全为0的数组

np.eye(M)

创建对角线为1，其余为0 的数组

np.full(shape=,fill_value=)

任意填充数字

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

线性区间等分，linspace是左闭右闭

使用随机库函数创建

np.random.rand()

产生[0,1]的浮点随机数,括号里面的参数可以指定产生数组的形状

np.random.random(size)

生成0-1的随机数,左闭右开，size表示个数，可以是一维、二维或者三维

np.random.randint(low=,hight=,size=)

生成整数类型的随机数,low最小值，hight最大值，size个数

np.random.randn(size)

生成标准正态分布,size个数

np.random.normal(loc,scale,size)

生成非标准正态分布

np.random.uniform()

均匀分布

np.random.poisson()

泊松分布 参数λ是单位时间(或单位面积)内随机事件的平均发生次数，它适合于描述单位时间内随机事件发生的次数。

Reference:

1. Python学习教程：Numpy系列，创建数组的三大绝招 (https://www.jianshu.com/p/7ae6947f722a)
2. Numpy (https://www.jianshu.com/p/ddb9c280666e)