标签：pac 模拟 split 2.3 初始 copy ceil 正整数 ace
版本1.15.4
NumPy是一个Python科学计算的基础包，包含了多维数组对象(multidemensional array object)和诸如矩阵等多种衍生对象，然后基于此进行数学计算、逻辑计算、维度改变、排序、筛选、输入输出、离散傅里叶变换、基础线性代数、基础统计操作、随机模拟等等一系列操作。
NumPy的核心数据结构是一个包含同类型数据的多维数组ndarray，因为维度可能较高，所以常常使用一个包含正整数的元组进行索引，NumPy中维度又称“轴”(axis，复数是axes)
| 属性 | 解释 |
|---|---|
| ndarray.ndim | 返回ndarray的轴数 |
| ndarray.shape | 以元组的形式返回ndarray的维度 |
| ndarray.size | 返回ndarraty中元素的总数，相当于ndarray.shape中各个数字的乘积 |
| ndarray.dtype | 返回ndarray中元素的类型，常见的有numpy.int32, numpy.float32, numpy.float64 |
| ndarray.itemsize | 返回ndarray中元素所占的字节数 |
| ndarray.data | 不建议使用 |
（1）直接将Python的列表或者元组（二者嵌套也可以）转换为多维数组；（适用于中小型数据的人工构建）
（2）使用NumPy初始化函数，通过占位符内容来初始化ndarray。（偏向大型数据的自动构建）
（3）从磁盘、标准格式、自定义格式中读取ndarray
（4）从字符串或缓存中创建
（5）使用特殊的库函数，比如random
| 函数 | 解释 |
|---|---|
| zeros(shape)/zeros_like() | 构建全0数组 |
| ones(shape)/ones_like() | 构建全1数组 |
| empty(shape)/empty_like() | 构建随机数组 |
| arange(a, b, c) | 类似Python中range()的构建方法，a,b,c分别代表起始值、终止值、步长/方向 |
| linspace(a, b, c) | 同上，只不过c不代表步长，而代表在a与b之间生成数字的个数 |
| random.random(shape) | 创建指定维度的随机数组，元素为0到1之间 |
| random.rand() | (**待补充**) |
| random.randn() | (**待补充**) |
| fromfunction() | (**待补充**) |
| fromfile() | (**待补充**) |
| 函数 | 解释 |
|---|---|
| max(axis)/min(axis) | 统计最值 |
| sum(axis) | 求和 |
| np.exp(ndarray) | 计算自然指数 |
| np.sqrt(ndarray) | 计算平方根 |
| np.add(ndarray1, ndarray2) | 元素级数组相加，相当于ndarray1+ndarray2 |
| np.floor(ndarray) | 计算小于的最大整数 |
| np.ceil(ndarray) | 计算大于的最小整数 |
| 函数名 | 解释 |
|---|---|
| ndarray.ravel() | 将多维数组压成一个一维数组，并返回 |
| ndarray.reshape(shape) | 将ndarray调整为指定的维度并返回，reshape([3, 4])或者reshape(3, 4)都可以，如果是reshape(3, -1)则表示最后一个轴自动计算 |
| ndarray.resize(shape) | 原地方法，和reshape稍有不同 |
| ndarray.T | 矩阵的转置 |
| ndarray[:, newaxis] | 加一个轴，需要导入from numpy import newaxis |
| 函数名 | 解释 |
|---|---|
| np.vstack((ndarray1, ndarray2)) | 竖直堆积，对于二维数组等价于row_stack() |
| np.hstack((ndarray1, ndarray2)) | 水平堆积，对于二维数组等价于column_stack() |
| np.c() | 沿着第二个轴将切片对象连接在一起 |
| np.r() | 沿着第一个轴将切片对象连接在一起 |
| 函数名 | 解释 |
|---|---|
| hsplit(ndarray, 3) | 将ndarray水平分割为三个大小相同的多维数组 |
| hsplit(ndarray, (3, 4)) | 将ndarray水平分割为三个子数组，切割位置为第三列、第四列 |
| vsplit() | 依次类推 |
复制分为深复制和浅复制两种，由于NumPy中的==运算符会产生布尔数组，所以常用is来区分二者。
NumPy中的深浅复制和其余语言不同，为了统一，在这里稍作修改：深复制得到的变量的值发生变化会引起原变量的值的变化，而浅复制则相反。
（1）赋值操作不是复制
执行了a = b那么a is b一定成立
（2）view()和base
ndarray的切片其实就是创建一个视图，而视图其实生成了一个新的数组对象，只不过在产生的过程中视图窗口中的数据保持不变，需要注意的是修改视图中的数据等价于修改原数据（修改视图的维度和数据类型除外）。
（3）copy()实现浅复制
copy()函数得到的是一个独立的数组对象副本，对此副本的所有操作，都将和原来数组无关。
标签：pac 模拟 split 2.3 初始 copy ceil 正整数 ace
原文地址：https://www.cnblogs.com/flyangovoyang/p/10489076.html
