关于 Python 之 Numpy 的总结

构造

a = np.array()
a = np.zeros(维度) #zeros等价于empty empty不安全 ones全1
a = np.arange(维度) # range的np版本

修改

a = a.astype(type)

a[切片] = []

a[条件] = []

#矩阵转置
a.T
a.swaoaxes(轴编号1，轴编号2)
a.transpose((轴编号))

#矩阵内积
np.dot(a.T, a)

#快速生成矩阵网格点
point = []
x, y = np.meshgrid(point, point)

#标量判定   
 np.where(条件, 替换1[], 替换2[])     
    
#通用
sqrt 
exp
modf #返回整数和小数部分
sum(axis=0/1) #0是每列的和 1是每行的和
mean() #同上
cumsum() #累加 axis 参数同上
cumprod() #累乘 aXis 同上
argmax #最大索引
std
var

运算

#切片是视图 而不是复制
a[:] #所有

#bool
a.any
a.all

#集合操作
#去重
np.unique()
#公共元素
intersect1d(x,y)
#并集
union1d(x,y)
#测试成员资格
np.in1d()
#差
setdiff1d(x,y)
#对称差
setxor1d(x,y)

排序

a.sort()

文件操作

#保存
np.save(' ', a)

线性代数

函数 		说明
diag	返回对角线元素 一维数组
dot 	矩阵乘法
trace	对角线元素和
det 	矩阵行列式
eig		方针的本征值和本征向量
inv		矩阵的逆
pinv	Moore-Penrose伪逆
qr		QR分解
svd		SVD 奇异值分解
solve	解Ax=b,其中A为方阵
lstsq	计算Ax=b的最小二乘解

随机数生成

np.random.seed(x)
np.random.RandomState(x)

rand()  	均匀分布的样本值
randint()	上下限范围随机选取整数
randn()		产生正态分布的样本值
binomial()	产生二项分布的样本值
normal()	产生正太高斯分布的样本值
beta()		Beta分布的样本值
chisquare	卡方分布
gamma		Gamma分布
uniform		[0,1)均匀分布的样本值