NumPy科学计算

import numpy as np a = np.arange(9) a.dtype

a.shape #shape属性返回一个元组（tuple）

m = np.array([np.arange(2),np.arange(2)])

w = np.array([np.arange(3),np.arange(3),np.arange(3)])

a[3:7:2]

a[::-1]

b = np.arange(24).reshape(2,3,4)   --2层，3行，4列

用：a来代替当前所有值，b[:,0,0]代表所有楼层的第1行第1列，b[0，：，：]代表第一层所有房间

多个冒号:可以用省略号...代替，b[0,:,:] == b[0,...]

raval函数，将多列展平，只展示视图view

flatten函数，将多列展平，且保存结果

reshape跟在表达式后设置维度

transpose 转置矩阵行转列

resize 设置维度，会直接修改

a = np.arange(9).reshape(3,3) b = 2*a a,b

np.hstack((a,b)) #stack：组合 np.concatenate((a,b),axis = 1)

当axis参数为0时，表示沿着纵轴进行计算。

当axis参数为1时，表示沿着横轴进行计算。

np.vstack((a,b)) np.concatenate((a,b), axis = 0)

浅拷贝：a is b

深拷贝:a.copy,a[1,2,3,4,5].copy

切片：a[::]

索引：a[]

1.cond = a >=120,a[cond]

2.布尔值其实就是1,0，快速找到目标数据项可以使用连乘

形状操作：

shape：初始形状，几维

reshape:改变形状，改变维度

数组转置：

a.T:行转列，列转行

三维数组及以上：a.transpose(b,(2,1,0)):默认0,1,2  改变为2,1,0

切片：split(a,indices_or_sections=3) ,平均分成3份

广播机制：两个数组形状不一致，通过扩展数组的方式实现相加、相减、相乘等操作

arr1 =  np.array([0,1,2,3]*3)

低维度数组复制相应层数与高维数组进行运算

元素级方法：

abs:绝对值

sqrt:开根号

square:平方

exp:求e的n次幂

log:对数

pi:π

maximum(a,c):选取a和c里最大的那个值

minimum:选小的

any:有一个True就返回True

all：所有都True就返回True

inner：内积，对应位置积的和

clip：数据裁剪，clip(a,10,80)，让a数组小于10的值都变成10，大于80的值都变成80

ceil：向上取整

floor：向下取整

trace：算对角线上的和