numpy 基础 -自创

numpy的基本属性

2.a.dtype 类型
3.a.shape 形状
4.a.itemsize 大小
5.a.T 转置
6.a.ndim 维度
7.mp.version 版本
8.图例：
![在这里插入图

numpy中的切片

我们以a = np.array(([1,2],[4,5],[6,7])) 创造数组：

1. a[1::1]；表示从[4,5]开始切片，步长为1。
   

2. a[1:3:1]；表示从[4,5]开始切片，索引为3的结束，步长为1。
   ![在这里插入图片描述](https://img-blog.csdnimg.cn/20201110165340632.png#pic_center3.a[0:0:-1]；表示从索引0开始切片，索引为0的结束，步长为-1。
   

3. a[::-1]；表示所有切片，步长为-1，相当于倒序。
   

4. a.np.arange(18).reshape(3,3,2)；表示0~17,共18个数=332，原型改变，变成3维3行2列的数组了，之前是一维。
   

5. a.resize(3,6).shape ,resize可以改变原数据的形状，而shape只能改变表面的，reshape改变原数据。凡是带re的要慎重。
   
   

numpy 的铺平，展开与拼接

6. a.ravel(）和 a.flatten() 都有展开的,铺平的意义。
   

7. c为shape(2,2),d为(2,2),np.hstack 左右拼，np.vstack 上下拼。
   

8. np.stack((c,d)),全拼 2维，带2括号，4维带4括号！！！
   

numpy 的 排序与运算

9. 1. a = arange(16).reshape(4,4) 将其排序，按照axis = 0 每列由小到大排序。
      
   2. 具体是指np.sort（a)的每个元素从小到大排序，np.argsort(a)指排序后元素索引的位置。
      

10. a与b 的运算，维度至少有行或列相同，才能进行运算。
    

11. a 是矩阵，a.shape = b.shape。

12.求各元素的均值，两种方法都可以。

13. a = np.array([3,5,4],[5,6,7]) 及 unique去重变1维

14. 数组运算求和及累乘。

numpy 中的列表，数组，矩阵相互转换

1. L 为列表 ，b 为np.mat矩阵，L为np.array数组
   
   2.np.mat(L).tolist 矩阵转化为列表，np.array(L)列表转化为数组，np.mat(L).getA() 矩阵转化为数组。
   
   3.查看python 中的类
   

PS：
撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G