# url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
# iris = np.genfromtxt(url, delimiter=',', dtype='object')
1 argsort()【成员函数】 -- 返回排序后的索引
2 返回数组中最常见值
vals, counts = np.unique(iris[:, 2], return_counts=True)
print(vals[np.argmax(counts)])--argmax() 返回最大值的索引
3 np.where: 返回位置索引【各个维度分开】
np.argwhere: 返回位置索引【各个维度合并】
np.argwhere(iris[:, 3].astype(float) > 1.0)[0] 返回第三列第一个大于1.0的位置
4 返回【10-30】范围数字，小于10变成10， 大于30部分变成30
np.where(a < 10, 10, np.where(a > 30, 30, a))
np.clip(a, a_min=10, a_max=30
5 np.sign()-- >0 return 1，==0 return 0, <0 return -1
6 np.diff() -- return a[n]-a[n-1]
7 np.ogrid[:3, 0:4] -- 生成行列向量
8 np.ravel() -- 将多维向量变成一维
9 np.unique(x, return_counts, return_index) -- return_index 【返回相同变量第一个元素的索引】
10 np.repeat()
np.tile()
11 arr[::-1]--反转行
arr[:, ::-1]--反转列
12 np.mean()--均值
np.median()--中位数
np.std()--标准差
13 np.random.choice(a, sum, p=[0.5, 0.25, 0.25]) 在a向量中随机sample sum个值
14 condition = (iris_2d[:, 2] > 1.5) & (iris_2d[:, 0] < 5.0)
iris_2d[condition]
布尔索引--选区第二列大于1.5和第一列小于0.5的行
15 iris_2d[np.isnan(iris_2d)] = 0 -- 将所有空值置为0
16 volume = volume[:, np.newaxis]
# Add the new column
out = np.hstack([iris_2d, volume])
--np.newaxis() 扩充一维向量
17 iris[iris[:, 4] == b'Iris-setosa', [2]]
选取第四列为'Iris-setosa'的第二列数值