Numpy
Numpy的基本对象有ndarray多维数组类型(n-dimensional array object)和ufunc通用函数类型(universal function object).
- ndarray即多维数组，是一个灵活快捷的python容器
- ufunc则是对数组进行处理的通用函数，此外numpy也有许多内置的通用函数类型
import numpy as np| 函数 | 描述 |
|---|---|
| array | 将列表、元祖等类型转化为ndarray类型 |
| asarray | 同array，但若传如数据为ndarray则不会复制内存 |
| arange | (start, end, step)同python的range，不含end |
| ones | 根据给定数据大小，生成全1数组 |
| ones_like | 根据所给的数组大小，生成全1数组 |
| zeros | 全0数组 |
| zeros_like | |
| empty | 未初始化数组 |
| empty_like | |
| full | 生成指定数值的数组 |
| full_like | |
| eye | (a, b) 生成a x b大小特征矩阵 |
| identity | (a) 生成 a x a 大小特征矩阵 |
| linspace | (a, b, n) 从a到b平均产生n个数,含n |
| mgrid[a: b: nj] | 同上，使用复数j生成数组 |
ndarray对象和python列表不同点在于，ndarray中的对象必须都是同总类型的，而list不一定
| 属性 | 说明 |
|---|---|
| ndim | 维度 |
| shape | (m, n) 行列 |
| size | 元素总数 |
| dtype | 数据类型 |
| itemsize | 每个元素字节数 |
| 索引方式 | 说明 | 例子 |
|---|---|---|
| 普通索引 | 使用下表及切片访问元素 | a[1,2], a[[2,3], 1:3] |
| 布尔索引 | 使用和数组size相同的布尔数组 | a[~isnan(a)] |
| 神奇索引 | 将下表替换为列表访问: a[ [行], [列] ] | a[ [1:3], [4, 5] ] |
| 函数 | 说明 |
|---|---|
| delete | (a, n, axis=0/1) 删除数组a的第n行/列 |
| append | (a, [...], axis=0/1) 增加行或列 行列的写法: [行,这,样,写] [列],[这],[样],[写] |
| reshape | 返回相应形状视图 |
| reisze | 改变数组形状 |
| c_ | c_[a,b] 构造分块数组[a,b] |
| r_ | r_[a,b] 构造分块数组 $\begin{bmatrix}a \ b \end{bmatrix}$ |