2017/12/17 冷~~

这几天真的是太冷了，我还作死的把秋裤都放洗衣机了。活该....

NumPy基础的复习            import numpy as np

目录：

ndarry：一种多维数组对象         

通用函数：快速的元素级数组函数

利用数组进行数据处理

用于数组的文件输入输出

线性代数

随机数生成           np.random

 

numpy最重要的一个特点就是其N维数组对象：ndarray

ndarray：    data.shape（一个表示各维度大小的元祖）   data.dtype（用于说明数组数据类型的对象）（可以显式指定数据类型或者系统推断数据类型）np.int np.flaoat64

创建ndarray：np.array（data）  np.zeros（x）或np.zeros（（x，y））  创建制定长度或形状的全0数组  np.ones（）  全为1的数组   np.empty（）全为垃圾值的数组

arange是python内置函数range的数组版：np.arange（）

 

数据类型：data.dtype（用于说明数组数据类型的对象）（可以显式指定数据类型或者系统推断数据类型）np.int np.flaoat64  data.astype（数据类型）显式转换数据类型  源数据不变

数组和标量之间的运算：

不同大小的数组之间的运算叫做广播

跟列表会让你重要的区别在于，数组切片是原始数组的视图，任何修改都会直接反映到原始数组上。

想要得到副本可以进行复制操作： data[x：y].copy（）

布尔型索引：布尔型数组的长度必须和被索引的轴长度一致  & 、| 布尔算术运算符

数组置换和轴对换：transpose 转置  data.T   data.transpose（（1，2，0）     y ，z，x

   data.swapaxes（一对轴编号）   返回的是源数据的视图   

 

通用函数  ufunc：

np.ufunc（data）  abs、sqrt、square、exp、、、、  一元函数 二元函数np.ufunc（data1，data2）

讲条件逻辑表述为数组运算：np.where（cond，xdata，ydata）   x if condition else y   可以嵌套多层。

数学和统计方法：数组实例调用：data.sum（）   顶级函数使用：np.sum（data）

 排序：data.sort（）排序源数据

  

用于数组的文件输出和输入：

  将数组以二进制格式保存到磁盘：

      np.save（‘dataname’，data） 默认以未压缩的原始二进制格式保存在扩展名为.npy的文件中

      np.load（‘dataname’，data）  读取磁盘上的数组

      np.savez（‘name’，x=data1，y=data2）  将多个数组保存到一个压缩文件，将数组以关键字参数的形式传入即可   np.load（‘name’）【‘x’】

随机数生成：

  np.random函数：   seed 确定随机数生成器的种子   rand 产生均匀分布的样本值  randint 给定的范围内随机选取整数  randn 标准正态分布（平均值=0，标准差=1）

   binomial 二项分布  normal 正态分布