1. 数据的CSV文件存取
CSV文件
CSV（Comma-Separated Value，逗号分隔值）
CSV是一种常见的文件格式，用来存储批量数据
np.savetxt(frame, array, fmt='%.18e', delimiter=None)
- frame：文件、字符串或产生器，可以是.gz或.bz2的压缩文件
- array：存入文件的数组
- fmt：写入文件的格式，例如：%d %.2f %.18e
- delimiter：分割字符串，默认是任何空格
np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)
- frame：文件、字符串或产生器，可以使.gz或.bz2的压缩文件
- dtype：数据类型，可选
- delimiter：分割字符串，默认是任何空格
- unpack：如果True，读入属性将分别写入不同变量
CSV文件的局限性
CSV只能有效存储一维和二维数组
np.savetxt() np.loadtxt()只能有效存取一维和二维数组
2. 多维数据的存取
任意维度数据如何存取呢？
a.tofile(frame, sep=' ', format='%s')
- frame：文件、字符串
- sep：数据分割字符串，如果是空串，写入文件为二进制
- format：写入文件的格式
np.fromfile(frame, dtype=float, count=-1, sep=' ')
- frame：文件、字符串
- dtype：读取的数据类型
- count：读入元素个数，-1表示读入整个文件
- sep：数据分割字符串，如果是空串，写入文件为二进制
此方法将数组信息写到文件之后，维度信息丢失，必须在读入的时候知道原来的维度信息才能够有效地还原数组信息。
以上是文本文件，以下是二进制文件：
需要注意：
该方法需要读取时知道存入文件时数组的维度和元素类型
a.tofile()和np.fromfile()需要配合使用
可以通过元数据文件来存储额外信息
NumPy的便捷文件存取
np.save(fname,array) 或 np.savez(fname,array)
- fname：文件名，以.npy为扩展名，压缩扩展为.npz
- array：数组变量
np.load(fname)
- fname：文件名，以.npy为扩展名，压缩扩展名为.npz
3. NumPy的随机函数
NumPy的随机函数子库
NumPy的random子库：np.random.*
| 函数 | 说明 |
|---|---|
| rand(d0,d1,...,dn) | 根据d0-dn创建随机数数组，浮点数，[0,1)，均匀分布 |
| randn(d0,d1,...,dn) | 根据d0-dn创建随机数数组，标准正态分布 |
| randint(low[,high,shape]) | 根据shape创建随机整数或整数数组，范围是[low,high) |
| seed(s) | 随机数种子，s是给定的种子值 |
通过设定和重复使用同一个随机数种子，我们可以在测试的时候得到相同的产生的随机数数组。
| 函数 | 说明 |
|---|---|
| shuffle(a) | 根据数组a的第0轴(最外层)进行随机排列，改变数组a |
| permutation(a) | 根据数组a的第0轴产生一个新的乱序数组，不改变数组a |
| choice(a[,size,replace,p]) | 从一维数组a中以概率p抽取元素，形成size形状新数组，replace表示是否可以重用元素，默认为True。p默认为相同概率 |
| 函数 | 说明 |
|---|---|
| uniform(low,high,size) | 产生具有均匀分布的数组，low起始值，high结束值，size形状 |
| normal(loc,scale,size) | 产生具有正态分布的数组，loc均值，scale标准差，size形状 |
| poisson(lam,size) | 产生具有泊松分布的数组，lam随机事件发生率，size形状 |
4. NumPy的统计函数
NumPy直接提供的统计类函数：np.*
| 函数 | 说明 |
|---|---|
| sum(a, axis=None) | 根据给定轴axis计算数组a相关元素之和，axis整数或元组 |
| mean(a, axis=None) | 根据给定轴axis计算数组a相关元素的期望，axis整数或元组 |
| average(a, axis=None, weights=None) |
根据给定轴axis计算数组a相关元素的加权平均值 |
| std(a, axis=None) | 根据给定轴axis计算数组a相关元素的标准差 |
| var(a, axis=None) | 根据给定轴axis计算数组a相关元素的方差 |
| 函数 | 说明 |
|---|---|
| min(a) max(a) | 计算数组a中元素的最小值、最大值 |
| argmin(a) argmax(a) | 计算数组a中元素最小值、最大值的降一维后的下标 |
| unravel_index(index, shape) | 根据shape将一维下标index转换成多维下标 |
| ptp(a) | 计算数组a中元素最大值与最小值的差 |
| median(a) | 计算数组a中元素的中位数（中值） |
5. NumPy的梯度函数
| 函数 | 说明 |
|---|---|
| np.gradient(f) | 计算数组f中元素的梯度，当f为多维时，返回每个维度梯度 |
梯度：连续值之间的变化率，即斜率。
XY坐标轴连续三个X坐标对应的Y轴值：a, b, c, 其中，b的梯度是：(c-a)/2
以上内容参考来自：中国大学慕课嵩天老师