reept的博客

1. numpy.where(condition[,x,y]):它类似于python的 x if condition else y。产生结果的方式为：如果condition 某个元素为True或者非零，则对应的结果元素从x中获取；所谓龙格现象：等距离差值多项式在两个端点处有非常大的震荡，默认情况下，返回两个数组：一个是拟合多项式的系数；提供了更丰富的多项式函数类。注意其中的多项式的系数按照次数从小到大排列。：为一个列表，列表元素为布尔数组，数组形状和。：为一个列表，列表元素为函数对象。

指定形状创建一个随机的ndarray。每个元素值来自于半闭半开区间[0,1)并且服从均匀分布。ndarray[0,1)：指定形状创建一个随机的ndarray。每个元素值服从正态分布，其中正态分布的期望为0，方差为1。dindarray：返回一个随机的整数ndarray或者一个随机的整数值。highNone[0,low)high[low,high)sizendarrayNone：返回一个随机的整数ndarray或者一个随机的整数值。

可以通过将计算单个元素的函数转换成ufunc函数。func：计算单个元素的函数ninfunc的输入参数的个数noutfunc返回值的个数调用时，使用即可。也可以通过函数来实现的功能。其原型为：。func：计算单个元素的函数otypes：可以是一个表示结果数组元素类型的字符串，也可以是一个类型列表。如果使用类型列表，可以描述多个返回数组的元素类型doc：函数的描述字符串。若未给定，则使用excluded：指定func中哪些参数未被向量化。

参数，则创建新的数组来保存计算结果。函数会对这两个数组的对应元素进行计算。如果这两个数组的形状不同，就通过广播。对象像多维数组一样，使用切片元组作为下标，返回的是一组可以用于广播计算的数组。，则返回元组的每个数组的形状都是（ln,ln-1,......l2,l1）。但是它返回的是广播之后的数组，而不是广播之前的数组。即：数组的尺寸要严格匹配，并且数组的。每个转换前的一维数组，对应了一个转换后的。函数是对数组的每个元素进行运算的函数。返回的是广播前的数组，而不是广播后的数组。对象，用于创建广播运算用的数组。

但是如果下标中包含None，则可以突破这一限制。每多一个None，则索引结构维度升 1。

假设a1是一维数组，可以指定一个整数i作为索引下标，如a1[i]。可以指定一个切片作为索引下标，如a1[i:j]。通过切片获得的新的数组是原始数组的一个视图，它与原始数组共享相同的一块数据存储空间。可以指定一个整数列表对数组进行存取，如。此时会将列表中的每个整数作为下标(i1/i2/i3)，使用列表作为下标得到的数组(为)不和原始数组共享数据。可以指定一个整数数组作为数组下标，如a1[a2]此时会得到一个形状和下标数组a2相同的新数组。

内容来自网络，侵删。

内容摘自网络，侵删。

对于一维数组，它计算的是向量点积；对于多维数组，则它计算的是：每个数组最后轴作为向量，由此产生的内积。都是二维向量或者三维向量，否则抛出异常。（当然他们也可以是二维向量的数组，或者三维向量的数组，此时一一叉乘）对于一维数组，他计算的是内积；对于二维数组，他计算的是线性代数中的矩阵乘法。它始终接收一维数组。如果是多维数组，则展平成一维数组。:计算两个向量之间的叉乘。叉积用于判断两个三维空间的向量是否垂直。是多维数组，则展平成一维再点积。：返回一维向量之间的点积。5. 内积、外积、张量积。

类式用法主要使用类，它是一个伪随机数生成器的容器。它提供了一些方法来生成各种各样概率分布的随机数。。其中seed可以为Noneintarray_like。这个seed是初始化伪随机数生成器。如果seed为None，则会尝试读取或者来读取数据，或用者clock来做种子。保证了通过使用同一个seed以及同样参数的方法序列调用会产生同样的随机数序列（除了浮点数精度上的区别）。提供了一些方法来产生各种分布的随机数。这些方法都有一个共同的参数size。

内容摘自网络，侵删。