NumPy 基础：函数总结

最近重新学习发现，NumPy 中有很多很多的函数，以下根据个人和结合官网对函数的理解，整理了一些关于NumPy 中常用的一些基础函数。本文仅供参考，如有错误请予以批评指正，如需转载请标记出处。

1 NumPy - 数组生成函数

Numpy 中最常规的就是利用array函数来生成一个新的包含传递数据的NumPy 数组。array函数，参数如下：

import numpy as np
array1=np.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数	描述
object	传入的数据，可以使列表（list）、集合（set）、元组（tuple）、字符串（str）等
dtype	数组的所需数据类型，默认为空，可选,如：dtype=np.float64等
copy	对象是否需要复制，默认为True
oder	C(按行)、F(按列)、A(任意，默认)
subok	默认情况下，返回的数组被强制为基类数组。 如果为True，则返回子类
ndmin	指定返回数组的维数,如ndmin=2。

除了array函数以外，还有以下一些生成函数，只是参数或多或少发生改变：

生成函数	描述
array	传入的数据x(可以是列表、集合、元组、字符串等)转换为ndarray，具体参数如上表
asarray	array和asarray作用相同，但是主要区别就是当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，但asarray不会。numpy.asarray(a, dtype=None, order=None)
empty	它创建指定形状和dtype的未初始化数组。 它使用以下构造函数：numpy.empty(shape, dtype = float, order = 'C')
zeros	返回特定大小，以 0 填充的新数组: numpy.zeros(shape, dtype = float, order = 'C')
ones	返回特定大小，以 1 填充的新数组: numpy.ones(shape, dtype = None, order = 'C')
eye	创建一个N * N的单位矩阵（对角线为1，其余为0）: numpy.eye(N, M=None, k=0, dtype=<class 'float'>, order='C')
arange	这个函数返回ndarray对象，包含给定范围内的等间隔值:numpy.arange(start, stop, step, dtype)
linspace	此函数类似于arange()函数。 在此函数中，指定了范围之间的均匀间隔数量，而不是步长。 此函数的用法如下：numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
logspace	此函数返回一个ndarray对象，其中包含在对数刻度上均匀分布的数字。 刻度的开始和结束端点是某个底数的幂，通常为 10:numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

*注：

1. shape 空数组的形状，整数或整数元组；
2. dtype 所需的输出数组类型，可选；
3. order 'C’为按行的 C 风格数组，'F’为按列的order 'C’为按行的 C 风格数组，'F’为按列的Fortran 风格数组；
4. start 序列的起始值；stop 序列的终止值，如果endpoint为true，该值包含于序列中；
5. num 要生成的等间隔样例数量，默认为50；
6. retstep 如果为true，返回样例，以及连续数字之间的步长；
7. base 对数空间的底数，默认为10*

例如：

import numpy as np
ndarray = np.empty((4,4))
print("4x4主对角为1的empty矩阵")
print(ndarray)

ndarray1 = np.ones((4,4))
print("4x4元素全为1矩阵")
print(ndarray1)

ndarray2 = np.zeros((4,4))
print("4x4元素全为0矩阵")
print(ndarray2)

ndarray3 = np.eye(4)
print("4x4单位矩阵")
print(ndarray3)

ndarray4 = np.linspace(0,100,num=11)
print("0-100，生成11个数")
print(ndarray4)

ndarray5 = np.logspace(0,100,num=11)
print("0-100,生成11个对数")
print(ndarray5)

输出：

4x4主对角为1的empty矩阵
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]
4x4元素全为1矩阵
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]
4x4元素全为0矩阵
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
4x4单位矩阵
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]
0-100，生成11个数
[  0.  10.  20.  30.  40.  50.  60.  70.  80.  90. 100.]
0-100,生成11个对数
[1.e+000 1.e+010 1.e+020 1.e+030 1.e+040 1.e+050 1.e+060 1.e+070 1.e+080
 1.e+090 1.e+100]

2 NumPy - 数组的一些基本属性

NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2，以此类推。

import numpy as np

#生成一个5*5的单位矩阵
ndarray = np