持续更新...
1.split函数
split是分割函数，将字符串分割成“字符”。
默认不带参数为空格分割。可以带参数根据实际需求进行分割。数字参数，表示“切几次”。
2.strip函数
note：s为字符串，rm为要删除的字符序列
s.strip(rm) 删除s字符串中开头、结尾处，位于rm删除序列的字符
s.lstrip(rm) 删除s字符串中开头处，位于 rm删除序列的字符
s.rstrip(rm) 删除s字符串中结尾处，位于 rm删除序列的字符
当rm为空时，默认删除空白符（包括'\n', '\r', '\t', ' ')；
符号 意义
\n 换行（newline）
\r 回车CR （return）
\t TAB(制表符)
rm删除序列是只要边（开头或结尾）上的字符在删除序列内，就删除掉；若不在开头或结尾处，则不删掉。
3.关闭图像
fig = plt.figure() # 新图
plt.savefig() # 保存
plt.close('all') # 关闭图
4.linspace 等差数列
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
在指定的间隔内返回均匀间隔的数字。
5.asarray转化为数组
numpy.asarray(a, dtype=None, order=None）
Convert the input to an array.
6.数组
Python的数组分三种类型：
(1) list 普通的链表，初始化后可以通过特定方法动态增加元素。
定义方式：arr = [元素]
(2) Tuple 固定的数组，一旦定义后，其元素个数是不能再改变的。
定义方式：arr = (元素)
(2) Dictionary 词典类型， 即是Hash数组。
定义方式：arr = {元素k:v}
7.ravel
numpy.ravel(a, order='C'）
Return a contiguous flattened array.
numpy中的ravel()、flatten()、squeeze()都有将多维数组转换为一维数组的功能，区别：
ravel()：如果没有必要，不会产生源数据的副本
flatten()：返回源数据的副本
squeeze()：只能对维数为1的维度降维
8.字串格式化
格式化字串時，所使用的%d、%f、%s等 與C語 言類似，之後使用%接上一個tuple， 也就是範例中以()包 括的實字表示部份。一些可用的字串格式字列舉如下：
| %% | 在字串 中顯示% |
| %d | 以10 進位整數方式輸出 |
| %f | 將浮點 數以10進位方式輸出 |
| %e, %E | 將浮點 數以10進位方式輸出，並使用科學記號 |
| %o | 以8進 位整數方式輸出 |
| %x, %X | 將整 數以16進位方式輸出 |
| %s | 使用str()將字串輸出 |
| %c | 以字元 方式輸出 |
| %r | 使用repr()輸 出字串 |
9.enumerate() 函数
enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。
普通的 for 循环：
>>>i = 0 >>>
seq = ['one', 'two', 'three'] >>>
for element in seq: ...
print i, seq[i] ... i +=1 ... 0 one 1 two 2 three
for 循环使用 enumerate：
>>>seq = ['one', 'two', 'three'] >>>
for i, element in enumerate(seq): ...
print i, element ... 0 one 1 two 2 three
10.矩阵乘法
np.dot(A, B)：计算真正意义上的矩阵乘积，同线性代数中矩阵乘法的定义。
实现对应元素相乘，有2种方式，一个是np.multiply()，另外一个是*。
# 对应元素相乘 element-wise product
element_wise = two_dim_matrix_one * another_two_dim_matrix_one
# 对应元素相乘 element-wise product
element_wise_2 = np.multiply(two_dim_matrix_one, another_two_dim_matrix_one)
11.数组切片
对于X[:,0];
是取二维数组中第一维的所有数据
对于X[:,1]
是取二维数组中第二维的所有数据
对于X[:,m:n]
是取二维数组中第m维到第n-1维的所有数据
12.numpy.concatenate
join a sequence of arrays along an existing axis.
https://docs.scipy.org/doc/numpy/reference/generated/numpy.concatenate.html#numpy.concatenate
13.numpy.where
Return elements, either from x or y, depending on condition.
https://docs.scipy.org/doc/numpy/reference/generated/numpy.where.html