一、产生数组和矩阵
1、linspace(start,end,number),产生在start和end数之间number个数
>>> x = linspace(0, 10, 11) >>> x array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])
2、logspace(start,end,number) 产生number个数，在10**start,10**end之间，相当于指数函数，在x轴平均分成number个数，求指数。
和10**linspace(start,end,number)效果一样
3、arange(l,u,s)
4、meshgrid（）
>>> x = arange(5) >>> y = arange(3) >>> X,Y = meshgrid(x,y) >>> X array([[0, 1, 2, 3, 4], [0, 1, 2, 3, 4], [0, 1, 2, 3, 4]]) >>> Y array([[0, 0, 0, 0, 0], [1, 1, 1, 1, 1], [2, 2, 2, 2, 2]])
5、ix_(a,b)不规则选取元素，其中a,b可以是列表或元组
>>> x = reshape(arange(25.0),(5,5)) >>> x array([[ 0., 1., 2., 3., 4.], [ 5., 6., 7., 8., 9.], [ 10., 11., 12., 13., 14.], [ 15., 16., 17., 18., 19.], [ 20., 21., 22., 23., 24.]]) >>> x[ix_([2,3],[0,1,2])] # Rows 2 & 3, cols 0, 1 and 2 array([[ 10., 11., 12.], [ 15., 16., 17.]]) >>> x[2:4,:3] # Same, standard slice array([[ 10., 11., 12.], [ 15., 16., 17.]]) >>> x[ix_([0,3],[0,1,4])] # No slice equiv
二、近似
1、around, round
x=np.random.randn(3)
print x
print np.around(x)
print np.around(x,2)#近似精度为2位小数
2、floor(x)、ceil(x)、
三、统计特性
1/sum,计算和
a=np.reshape(np.arange(10),(2,5)); print a,' ' print np.sum(a),' ' print np.sum(a,0),' ' print np.sum(a,1) [[0 1 2 3 4] [5 6 7 8 9]] 45 [ 5 7 9 11 13] [10 35]
2/prod跟sum一样的特性，他是计算乘积的
a=np.reshape(np.arange(1,5),(2,2)); print a,' ' print np.prod(a),' ' print np.prod(a,0),' ' print np.prod(a,1),' ' [[1 2] [3 4]] 24 [3 8] [ 2 12]
3、exp、log--相当于ln()、log10、sqrt、square、absolute, abs、sign都是对元素的操作
a=np.random.randn(2,3); print a,' ' print np.abs(a) print np.sign(a)
[[-0.35632202 -0.56913468 -0.5054189 ] [-0.13182024 1.62914028 1.57704769]] [[ 0.35632202 0.56913468 0.5054189 ] [ 0.13182024 1.62914028 1.57704769]] [[-1. -1. -1.] [-1. 1. 1.]]
4、对于复数的运算，下列运算也是元素的运算
- real(A)或A.real，复数的实部
- imag(A)或A.imag，复数的虚部
- conj(A), conjugate，共轭复数
5、unique(A)是对所有元素操作，相当于python中的set(),去重效果
6、in1d(A,B)
>>> x = arange(10.0) >>> y = arange(5.0,15.0) >>> in1d(x,y) array([False, False, False, False, False, True, True, True, True, True], dtype=bool)
7、union1d（A,B）,returns the unique set of elements in 2 arrays.相当于集合并
8、intersect1d(A,B)相当于集合中的取交
9、setdiff1d(A,B),在集合A中，不在集合B中
10、setxor1d(A,B)，相当于取集合异或，只在一个集合中的元素
11、sort
a=np.random.randn(2,3); print a print np.sort(a,1) print np.sort(a,0) print np.sort(a,None) [[ 2.33262004 -2.17579511 1.02508041] [-0.11651321 1.02673882 1.25183328]] [[-2.17579511 1.02508041 2.33262004] [-0.11651321 1.02673882 1.25183328]] [[-0.11651321 -2.17579511 1.02508041] [ 2.33262004 1.02673882 1.25183328]] [-2.17579511 -0.11651321 1.02508041 1.02673882 1.25183328 2.33262004]
注意：A.sort()和sort(A)之间的不同，一个会改变数据结构，一个不会。
>>> x = randn(3) >>> x array([ 2.70362768, -0.80380223, -0.10376901]) >>> sort(x) array([-0.80380223, -0.10376901, 2.70362768]) >>> x array([ 2.70362768, -0.80380223, -0.10376901]) >>> x.sort() # In-place, changes x >>> x array([-0.80380223, -0.10376901, 2.70362768])
12、max, amax, argmax, min, amin, argmin
max是数组的方法，amax是函数，argtmax返回
a=np.random.randn(3,5); print a print np.amax(a,1) print np.amax(a,0) print np.amax(a,None) [[ -1.20363617e-01 6.09840964e-01 -2.42821192e-01 -1.87136859e+00 -9.24036132e-01] [ -2.12137767e-04 -4.49847000e-01 6.05104140e-02 5.00253683e-01 1.63359279e+00] [ -3.41458128e-01 -9.52592527e-01 8.66845911e-01 -1.26919405e+00 1.67080515e+00]] [ 0.60984096 1.63359279 1.67080515] [ -2.12137767e-04 6.09840964e-01 8.66845911e-01 5.00253683e-01 1.67080515e+00] 1.67080515388
13、minimum(A,B), maximum(A,B)比较两个数组，返回两个数组对应位置中最小的或最大的数