1.基本操作

1.1列表轉(zhuǎn)為矩陣：np.array(list)

1.2維度：array.ndim

1.3行數(shù)和列數(shù)：array.shape

1.4元素個數(shù)：array.size

2.創(chuàng)建array

2.1一維array創(chuàng)建：np.array(list,dtype=np.int32)????????????? #np.int默認int32

2.2多維array創(chuàng)建：np.array(list1,List2)

2.3創(chuàng)建全零數(shù)組：np.zeros((valu1,valu2))???? #生成value1行value2列全零矩陣

2.4創(chuàng)建全1數(shù)組：np.ones((valu1,valu2)，dtype=np.int)

2.5創(chuàng)建全空數(shù)組:：np.empty((valu1,valu2))

2.6創(chuàng)建連續(xù)數(shù)組：np.arange(a1,an,步長)

2.7reshape改變數(shù)據(jù)形狀：array.reshape((valu1,valu2))

2.8創(chuàng)建連續(xù)型數(shù)據(jù)：np.linspace(1,10,20) #開始端1，結(jié)束端10，分割成20個數(shù)據(jù)

2.9Linspace的reshape操作：array.reshape((valu1,valu2))

3.Numpy基本運算

3.1一維矩陣的運算

3.2多維矩陣的運算：（1）np.dot(ndarray1,ndarray2)?????? (2)a.dot(b)

查找時，axis為0，以列為查找單位；axis為1時，以行為查找單位。Array, axis=0 or 1

3.3基本計算：

最小元素索引np.argmin(array)

最大元素索引np.argmax(array)

整個矩陣的均值np.mean(array) or np.average(array) or array.mean()

中位數(shù)np.median(array)

累加np.cumsum(array)

累差np.diff(array)

矩陣每一行排序從小到大np.sort(array)

矩陣轉(zhuǎn)置np.transpose(array) or array.T

Clip:np.clip(Array,Array_min,Array_max)

clip(Array,Array_min,Array_max)

將Array_min<X<Array_max? X表示矩陣A中的數(shù)，如果滿足上述關(guān)系，則原數(shù)不變。

否則，如果X<Array_min，則將矩陣中X變?yōu)?/span>Array_min;

如果X>Array_max，則將矩陣中X變?yōu)?/span>Array_max.

4.NumpyS索引與切片

打印列，進行轉(zhuǎn)置即可：for column in array.T:

多維轉(zhuǎn)一維：array.flatten()????????? #array.flat是一個迭代器

5.Numpy array合并

5.1數(shù)組合并

上下合并：np.vstack((array1,array2))

左右合并：np.hstack((array1,array2))

5.2數(shù)組轉(zhuǎn)矩陣：array[np.newaxis,:]

5.3多個矩陣合并：np.concatenate((array1,array2,…),axis=0 0r 1)? ?#0時縱向合并；1時橫向合并???

6.Numpy array分割

6.1構(gòu)造3行4列矩陣:np.arange(12).reshape((3,4))??????????? #范圍0~11

6.2等量分割：np.split(array,number,axis=1)??? ?????? ????????????? #縱向分割的axis

np.split(array,number,axis=0)???????? ???????????????????? ???????????????????? #橫向分割的axis

6.3不等量分割：np.array_split(array1,number,axis=1)

6.4其他分割方式：np.vsplit(array1,number)?? ?????? ????????????? #橫向分割

Np.hsplit(array1,number) ?????? ??????????????????????????? ???????????????????? #縱向分割

7.Numpy copy與=

7.1“=”賦值有關(guān)聯(lián)性（改變其中任意一個都會改變其他的數(shù)據(jù)，無論程序先后）：

import numpy as np

a = np.arange(4)

print(a) # [0 1 2 3]

b = a

c = a

d = b

a[0] = 11

print(a) ????????????? # [11? 1? 2? 3]

print(b) ?????? # [11? 1? 2? 3]

print(c) ????????????? # [11? 1? 2? 3]

print(d)???????? # [11? 1? 2? 3]

7.2cope()沒有關(guān)聯(lián)性：b=a.copy()

8.廣播機制

numpy數(shù)組間的基礎(chǔ)運算是一對一，也就是a.shape==b.shape，但是當兩者不一樣的時候，就會自動觸發(fā)廣播機制，如下例子：

from numpy import array

a = array([[ 0, 0, 0],

?????????? [10,10,10],

?????????? [20,20,20],

?????????? [30,30,30]])

b = array([0,1,2])

print(a+b)

運行結(jié)果：

[[ 0? 1? 2]

?[10 11 12]

?[20 21 22]

?[30 31 32]]

9.常用函數(shù)

9.1np.bincount()#統(tǒng)計索引出現(xiàn)次數(shù)

x = np.array([1, 2, 3, 3, 0, 1, 4])

np.bincount(x)

結(jié)果：

array([1, 2, 1, 2, 1], dtype=int64)9.2np.argmax()numpy.argmax(array1,axis=None,out=None)

當axis默認時，返回最大值的索引；axis=0時，按列操作；axis=1時，按行操作

當最大元素重復出現(xiàn)，返回第一個最大值索引

9.3求取精度

np.around(list,decimals=number)

實例：

np.around([-0.6,1.2798,2.357,9.67,13], decimals=0)

array([-1.,? 1.,? 2., 10., 13.])???????????? #負數(shù)進位取絕對值大的decimals表示指定保留有效數(shù)的位數(shù)，當超過5就會進位(此時包含5)

當decimals為負數(shù)時，實例：

np.around([1,2,5,6,56], decimals=-1)

array([ 0,? 0,? 0, 10, 60])

發(fā)現(xiàn)沒，當超過5時候(不包含5)，才會進位！-1表示看一位數(shù)進位即可，那么如果改為-2呢，那就得看兩位！

np.around([1,2,5,50,56,190], decimals=-2)

array([? 0,?? 0,?? 0,?? 0, 100, 200])

看到?jīng)]，必須看兩位，超過50才會進位，190的話，就看后面兩位，后兩位90超過50，進位，那么為200！

9.4取整：np.floor(list)?????????? #返回數(shù)組

負數(shù)取整向左

9.5取上限：np.ceil(list)

9.6查找：np.where(np.array(list)>0,np.array(list),0)?? 利用np.where實現(xiàn)小于0的用0填充，大于0的數(shù)不變