几个常用numpy函数

np.exp(x)

返回e的x次幂，优于math.exp()的一点是可以接受向量作为参数。如：

import numpy as np
x = np.array([1, 2, 3])
print(np.exp(x))

结果为：

[ 2.71828183  7.3890561  20.08553692]

variable.shape[n]

返回variable的形状，[]中为所要的维度，若不加则为整体的形状。

variable.reshape(m,n)

将variable变为所需的形状，()中为维度。

np.linalg.norm(vector,axis=...,keepdims=...)

np.linalg.norm用于获得vector的正则化向量，也就是将向量中所有数字平方相加开根号。其中axis控制相加的方向，若axis=1，则按行相加；若axis=0，则按列相加。keepdims控制相加后向量的形状是否保持不变。keepdims=true则保持不变，否则会改变。

import numpy as np   
x = np.array([
    [0, 3, 4],
    [1, 6, 4]])
x_norm = np.linalg.norm(x, axis = 0,keepdims = True)
print(x_norm)

结果：

[[1.         6.70820393 5.65685425]]

可见因为axis=0，按列相加，行数变为1，而keepdims=true，故行数为1，列数保持不变。

np.sum(vector, axis = ..., keepdims = ...)

用于将向量按某个方向相加。其中axis控制相加的方向，若axis=1，则按行相加；若axis=0，则按列相加。keepdims控制相加后向量的形状是否保持不变。keepdims=true则保持不变，否则会改变。如：

import numpy as np   
x = np.array([
    [0, 3, 4],
    [1, 6, 4]])
x_sum = np.sum(x, axis = 1, keepdims = True)
print(x_sum)

结果为：

[[ 7]
 [11]]