数据科学包——numpy

• numpy.array
  • 属性
    • 维数：.ndim
    • 形状：.shape
    • 总元素个数：.size
• 创建数组
  • 元素在指定范围的数组
    • np.arange() # 类似range
      • 可选参数step
  • 全零数组
    • np.zeros((形状))
  • 全一数组
    • np.ones((形状))
• 改变数组形状（浅拷贝）
  • array.reshape()
• 基础运算
  • 加减乘除相等等基本运算都对矩阵的每个元素进行计算
  • 矩阵乘法
    • c = np.dot(a,b)
    • c = a.dot(b)
  • np.sim
  • np.cos
  • np.sum
  • np.max
  • np.min
  • np.argmin
  • np.argmax
  • np.mean
  • np.average
  • np.median
  • np.cumsum（每个值为该值及以前所有元素累加）
  • np.diff（每个值为该值及以前所有元素累差）
  • np.nonezero(输出非零元素未知的行列表和列列表)
  • np.sort
  • np.transpose = matrix.T
  • np.clip(matrix,min,max) # 对于矩阵小于min则等于min，大于max则等于max
  • 参数axis
    • =0 为行
    • =1 为列
  • np.linspace(a,b,num=)
    • 从a到b平均取num个数
• 索引
  • A[2][1]
  • A[2,1]
  • A[:,1:2]
  • 通过转置可以迭代列
  • 将矩阵变成一行
    • A.flatten()
      • 列表
    • A.flat
      • 迭代器
• 合并
  • 将矩阵b添加到矩阵a的下方形成新矩阵
    • np.vstack((a,b))
  • 将矩阵b添加到矩阵a的右边形成新矩阵
    • np.hstack((a,b))
  • 添加行维度
    • A[np.newaxis,:]
  • 添加列维度
    • A[:, np.newaxis]
  • 合并多个矩阵
    • np.concatenate((多个矩阵)，axis)
• 分割
  • np.split(矩阵，分成几块，axis)
  • np.vsplit
  • np.hsplit
• 深拷贝
  • .copy()