Numpy基础

多维数组对象

数组生成函数

array（总是复制）, asarray（当不是ndarry类型时才复制）
arange
ones, ones_like
zeros, zeros_like
empty, empty_like
full, full_like
eye, identity

数类型和转化

数据类型：int, uint, float, complex, bool, object, string_, unicode_, …
转化函数：astype（总是复制）

数组算术

同尺寸数组间运算时，是对应位置元素间进行运算。
对某个标量进行运算时，每个元素都会进行运算。
同尺寸之间的比较运算，会生成同尺寸的bool数组。

基础索引和切片

从0开始。[n:m]表示从n开始，到m-1结束。[n:]表示从n开始到结尾。[:n]表示从0开始到n-1结束。[:]表示全选。可以使用[-1]这种索引。
数组的切片是数组的视图，而不是复制，它和原数组相互依赖。想要复制需要用XXX.copy()

布尔索引

用于索引的bool数组的shape必须和索引轴的数组的shape相同。
关键字and、or、not对bool数组没有用，请使用&、|、~来进行操作。

神奇索引

诸如b=a[ [1,4,3] ]这种方式的索引即神奇索引。总是复制，不是视图。

数组转置和换轴

用transpose()方法、swapaxes()方法或者特殊的XXX.T属性。都是视图。
transpose((n1,n2,…,nk,…,nN))表示新数组的第k个轴是原来数组的第nk个轴。
swapaxes(m,n)方法表示把m轴和n轴互换。

通用函数：快速逐元素数组函数

一元函数

sign, abs, fabs, sqrt, square, exp
log, log2, log10, log1p
ceil, floor, rint, modf, isnan, isfinite, isinf
cos, cosh, sin, sinh, tan, tanh, arccos, arccosh, …
logical_not

二元函数

add, subtract, multiply, divide, power
floor_divide, mod
maximum, fmax, minimum, fmin
copysign

向量化编程

where函数

np.where(arr>0, 2, -2)
np.where(arr>0, arr, -2)
np.where(arr>0, 2, arr**2)
…

常用内置方法

数学和统计方法：sum, std, var, mean, max, min, argmax, argmin, cumsum, cumprod
排序：sort
去重并排序：unique
去重、交集并排序：intersect1d
去重、并集并排序：union1d
去重、差集并排序：setdiff1d
去重、异或集并排序：setxor1d

文件输入输出

np.save, np.load, np.savez

线性代数

基本函数：dot, trace,
np.linalg下的函数：diag（对角元）, dot（矩阵乘法）, trace（矩阵求迹）, det（矩阵的行列式）, eig（特征值和特征向量）, inv（方阵的逆）, pinv（矩阵伪逆）, qr（QR分解）, svd（奇异值分解）, solve（Ax=b的解，A为方阵）, lstsq（Ax=b的最小二乘解）

伪随机数

numpy.random中的函数：
rand均匀抽样
randint随机整数
randn标准正态抽样
binomial二项分布抽样
normal正态抽样
beta贝塔分布抽样
chisquare卡方抽样
gamma伽马抽样
uniform均匀抽样[0,1)范围

补充函数

reshape()

meshgrid()

若xv,yv=meshgrid(xx,yy)
则xv[i][j]=xx[j], yv[i][j]=yy[i]