一、什么是Numpy

功能

Numpy是Python科学计算的基础包，主要提供了以下功能：

• 快速高效的多维数组对象的ndarray
• 用于对数组执行元素级计算以及直接对数组执行数学运算的函数
• 用于读写硬盘上基于数组的数据集的工具
• 线性代数运算、傅立叶变换，以及随机数组生成
• 用于将C、C++、Fortran代码集成到Python的工具
• 作为算法之间传递数据的容器，对于数值型数据，Numpy数组在存储和处理数据时要比内置的Python数据结构高效得多

文档

快速入门
参考手册

二、数组创建函数

• array
  将输入数据（列表、元组、数组或其他序列类型）转换为ndarray。要么推断出dtype，要么显示指定dtype
• asarray
  将输入转换为ndarray，如果输入本身就是一个ndarray就不再复制
• arage
  类似内置的range，返回一个ndarray
• ones、ones_like
  根据指定的形状和dtype创建一个全是1的数组。
  ones_like以另一个数组为参数，并根据其形状和dtype创建一个全1数组
• empty、empty_like
  类似ones和ones_like，只是产生的是全0数组
• eye、identity
  创建一个正方的N*N单位矩阵，对角线为1，其余为0

三、数组访问

下标索引

arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])
arr2d[0][2]和arr2d[0,2]是等价的

切片索引

可以一次传入多个切片，
arr2d[:2, 1:]

布尔型索引

• 将data中所有负值都设置为0

data[data < 0] = 0

• 选出所有名字为“cqh”的所有行

data[names == 'cqh']

整数索引

利用整数数组进行索引

arr = np.empty((8,4))
for i in range(8):
    arr[i] = i
# 传入指定顺序
arr[[4,3,0,6]]
### 负数索引 
arr[[-3,-5,-7]]

方形索引

使用np.ix_方法，可以将两个一维整数数组转换为一个用于选取方形区域的索引

arr = np.arange(32).reshape((8,4))

获取行[1,5,7,2]，列[0,3,1,2]，为

arr[np.ix_([1,5,7,2],[0,3,1,2])]

相当于执行了

arr[[1,5,7,2]][:,[0,3,1,2]]

错误方法：

arr[[1,5,7,2],[0,3,1,2]]

四、数组转置和轴对换

• reshape

arr = np.arange(15).reshape((3,5))

• T

arr.T

五、唯一化以及集合逻辑

• unique(x)：计算x中的唯一元素，并返回有序结果
• intersect1d(x,y)：计算x和y中的公共元素，并返回有序结果
• union(x,y)：计算x和y的并集，并返回有序结果
• in1d(x,y)：得到一个表示“x的元素是否包含在y”的布尔型数组
• setdiff1d(x,y) 集合的差，元素在x中且不在y中
• setxor1d(x,y) 集合的对称差，存在于一个数组中但不同时存在两个数组中的元素

六、随机数生成

• normal：生成标准正态分布的样本数组
• seed：确定随机数生成器的种子
• permutation：返回一个序列的随机排列
• shuffle：对一个序列就地随机排列
• rand：产生均匀分布的样本值
• randint：在给定的上下限范围内随机选取整数
• randn：产生正态分布（平均值0，标准差1）的样本值，类似MATLAB接口
• bionmial：产生二项分布的样本值
• beta：生产Beta分布的样本值
• chisquare：产生卡方分布的样本值
• gamma：产生Gamma分布的样本值
• uniform：产生在[0,1]中均匀分页的样本值

七、文件输入输出

以二进制格式保存到磁盘

• np.save：保存到磁盘
• np.savez：将多个数组保存到一个压缩文件中，加载时得到一个字典对象
• np.load：从磁盘加载

存取文本文件

• loadtxt：指定各种分隔符
• savetxt：将数组写到以某种分隔符隔开的文本文件