对数值计算numpy的一些总结，感兴趣的朋友可以看看

标签：结构   指定   如何   concat   形状   切片   nump   聚合   个数   

1.NumPy

1. 创建数组

• 1. 从python列表中创建
• 1. 其他方式创建

2. NumPy数组基础

• 1.numpy数组的基本属性

  • 大小：size
  • 形状：shape
  • 维度：ndim
  • 数据类型：dtype

• 2.数组索引(可写成负数)：获取单个元素

  • 一维数组：（[2]）
  • 二维数组：（[2,3]）

• 3.数组切片：获取子数组

  • 一维数组：（[start ：stop ：step]）
  • 二维数组：（[start ：stop ：step]，[start ：stop ：step]）

  • 如何获取行和列？

    • 获取行时可以省略列的索引

  • 非副本视图的子数组

    • 说白了就是切片操作不是建立新的数组

  • 创建数组副本 ：在子数组上修改数据原数组上不会改变

    • .copy

• 4.数组的变形

  • .reshape
  • .newaxis
  • np.newaxis

• 5.数组的拼接和分裂

  • 1.拼接

    • 1.np.concatenate([x], [y])

      • 拼接一维没啥说的

      • 拼接二维

        • 上下拼接：沿着第一个轴拼接，即axis=0(可不写)
        • 左右拼接：沿着第二个轴拼接，即axis=1(写)
    • 2.np.vstack([x], [y])
    • 3.np.hstack([x], [y])

    • 4.np.dstck沿着第三维度拼接数组

  • 2.分裂。注意：N个分裂点会得到N+1个子数组

    • x1, x2, x3 = np.split(x, [3, 5])
    • np.hsplit用法同上
    • np.vsplit同上

3.numpy数组的计算：通用函数

• 1.通用函数有哪些？

  • 1.加，减，乘，除，绝对值，逻辑非，指数，取余。。。

• 2.高级的通用函数特性

  • 1.指定输出

  • 2.聚合

    • np.add.reduce(x)

  • 3.外积

    • x = np.arange(1, 6)，np.multiply.outer(x, x)， 输出结果是一个5×5的数组

  • unfunc.at，ufunc.reduceat 看花哨的索引那一章

4.聚合：最小值，最大值，和其他值

• 1.数组值求和
• 2.最小值和最大值
• 3.其他聚合函数

5.数组的计算：广播

• 1.广播的规则
• 2.广播实际应用

6.比较，掩码和布尔逻辑

• 1.和通用函数类似的比较操作

• 2.操作布尔数组

  • 1.统计个数
  • 2.布尔运算

• 3.将布尔数组作为掩码

7.花哨的索引，用来索引多个值

• 1.探索花哨的索引

  • 1.单维索引
  • 2.多维索引

• 2.组合索引

  • 1.与简单索引组合
  • 2.与切片组合
  • 3.与掩码组合

• 3.用花哨的索引该值

8.数组的排序

• 1.快速排序

  • np.sort

  • np.argsort

    • 花哨的索引
    • axis

• 2.部分排序：分隔

  • np.partition(x, 3)
  • np.argpartition

9.结构化数据：numpy的结构化数组

• 1.生成结构化数组
• 2.更高级的复合类型
• 3.记录数组：结构化数组的扭转

对数值计算numpy的一些总结，感兴趣的朋友可以看看

标签：结构   指定   如何   concat   形状   切片   nump   聚合   个数   

原文地址：https://www.cnblogs.com/YLlang/p/11005860.html