Numpy个人总结

1. np.power()

x 和 y 为单个数字

import numpy as np
print(np.power(2, 3))

8

 x 为列表，y为数字

print(np.power([2,3,4], 3))

[ 8 27 64]

 x 为数字，y为列表

print(np.power(2, [2,3,4]))

[ 4 8 16]

---

2. np.sum()

import numpy as np
a = np.array([[[1,2,3,2],[1,2,3,1],[2,3,4,1]],[[1,0,2,0],[2,1,2,0],[2,1,1,1]]])
print(a)
'''
[[[1 2 3 2]
  [1 2 3 1]
  [2 3 4 1]]

 [[1 0 2 0]
  [2 1 2 0]
  [2 1 1 1]]]
'''
print(np.sum(a,axis=0))
'''[[2 2 5 2]
 [3 3 5 1]
 [4 4 5 2]]
 '''
print(np.sum(a,axis=1))
'''
[[ 4  7 10  4]
 [ 5  2  5  1]]
'''
print(np.sum(a,axis=2))
'''
[[ 8  7 10]
 [ 3  5  5]]
 '''
b= np.array([[1,2],[3,4]])
print(np.sum(b,axis=0))
#[4 6]
print(np.sum(b,axis=1))
#[3 7]

 对于二维数组，axis = 0 表示对每列求和，axis = 1 表示对每行求和

---

3. np.linspace()

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

在规定的时间内，返回固定间隔的数据。他将返回“num”个等间距的样本，在区间[start, stop]中。其中，区间的结束端点可以被排除在外。

---

4. np.array()

numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)

object：列表、元组等。
dtype：数据类型。如果未给出，则类型为被保存对象所需的最小类型。
copy：布尔来写，默认 True，表示复制对象。
order：顺序。
subok：布尔类型，表示子类是否被传递。
ndmin：生成的数组应具有的最小维数

5. np.arange()

函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是6，步长为1。
参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况
1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数

6. np.linalg.inv()

矩阵求逆

7.np.linalg.det()

矩阵求行列式