numpy

这是本人第一篇博客，目前为大一新生，人工智能专业，希望得到前辈的指导，非常感谢！
本篇总结了一些numpy的基本知识

创建并初始化一个数组：

1. np.array([the numbers])
2. 基本数组
   1. ndarray的通用矩阵：
   • np.zeros(n, m)
   • np.ones(n, m)
   • np.empty(number)
   2. 一维数组：
   • np.arange(start, stop)
   • np.linspace(start, stop, count)
   3. 二维矩阵：
   • np.eye(n, m) #在i=j处为1，其余为0
   • np.diag(arr, num) #在对角线初始化arr，num扩张
   • np.vander(arr, n，increasing = True) #一个行长len(arr),列长n，的数组。将arr中的元素按列排开，第一列默认为n-1次幂，降幂（升幂）排序
   4. 随机数数组：
   • 随机初始：
     • rng = np.random.default_rng(seed)
     • rng.random(start, stop)
   • 生成随机数整数数组：rng.integers(stop, size = ())
     以上都可以在括号内部最后加上dtype参数指定数据类型
3. 数组的属性：
   数组维度数 arr.ndim
   数组形状 arr.shape
   数组元素个数 arr.size
   数组类型 arr.dtype

索引和切片 (index and slice):

1. 使用 [] 索引
2. 行列索引

arr[:]
arr[:,]

3. arr[条件]
4. 获取索引 np.nonzero()

数组操作：

1. 排序：np.sort(arr)
   除了返回数组已排序副本的 sort 之外，您还可以使用

   • argsort，它是沿指定轴的间接排序，
   • lexsort，它是对多个键的间接稳定排序，
   • searchsorted，它将在已排序数组中查找元素，以及
   • partition，它是一个部分排序。

2. 拼接：

   • np.concatenate((a, b))
   • np.vstack()
   • np.hstack()

3. 切割

   • np.split(arr, n, axis) n如果是整数那会将数组平均切分，如果是列表或数组，则会在划分处切割。axis默认为0，在水平方向切割
   • np.hsplit() np.vsplit()
   • arr.copy() 副本

4. 添加与删除

   函数	元素及描述
   append(arr, value, axis = None)	压入右边或底下
   insert(arr, obj, value, axis)	obj为索引，如果不指定axis，数组会被展开
   delete(arr, obj, axis)	和上面一样
   np.unique(arr, return_index = True, return_counts =True)	唯一值，唯一值的第一个索引，唯一值的频率。可传递axis值

5. 重塑和转置和展平：

   1. 重塑：

      • 重塑形状：arr.reshape(number) or np.reshape(arr,shape = () or np.resize(arr, list)这个返回新数组
      • 向数组添加轴：
        • arr[np.newaxis, :]
        • np.expand_dims(arr, axis = )

   2. 转置：

      • arr.transpose()
      • arr.T
      • 更换轴np.flip(arr,)

      可添加axis参数

   3. 展平：
      arr.flatten() 创建展平的副本
arr.ravel() 创建展平的视图

6. 基本数组操作：

   1. 形状相同的数组对应元素的四则运算
   2. 广播：数组与单个数字或低维数组执行操作
      1) 两个数组的维度数不同，但小维度数组的尾部形状能和大维度数组的尾部形状匹配
      2) 两个数组的某一长度均为1，或其中一个为零

7. 聚合操作：
   arr.max()
arr.min()
arr.sum()
arr.mean()
np.median()
np.var()方差
   arr.std()标准差
   np.sum()
np.prod()
np.cumsum()
   此外，还可以在括号末尾添加axis参数

numpy IO:

更多操作认准菜鸟教程runoob