pythonnumpy常⽤函数
⼀、数组⽅法
创建数组：arange()创建⼀维数组；array()创建⼀维或多维数组，其参数是类似于数组的对象，如列表等
反过来转换则可以使⽤list()函数，如a.tolist()
创建数组：np.zeros((2,3))，或者np.ones((2,3))，参数是⼀个元组分别表⽰⾏数和列数
对应元素相乘，a * b，得到⼀个新的矩阵，形状要⼀致；但是允许a是向量⽽b是矩阵，a的列数必须等于b的列数，a与每个⾏向量对应元素相乘得到⾏向量。
/ 与 * 的运算规则相同。
数学上定义的矩阵乘法 np.dot(a, b)。如果形状不匹配会报错；但是允许允许a和b都是向量，返回两个向量的内积。只要有⼀个参数不是向量，就应⽤矩阵乘法。
（PS：总之就是，向量很特殊，在运算中可以⾃由转置⽽不会出错，运算的返回值如果维度为1，也⼀律⽤⾏向量[]表⽰）
读取数组元素：如a[0],a[0,0]
数组变形：如shape(2,3,4)将得到原数组变为234的三维数组后的数组；或是a.shape=(2,3,4)或a.resize(2,3,4)直接改变数组a的形状
数组组合：⽔平组合hstack((a,b))或concatenate（（a,b）,axis=1）；垂直组合vstack((a,b))或concatenate（（a,b）,axis=0）；深度组合dstack((a,b))
数组分割（与数组组合相反）：分别有hsplit,vsplit,dsplit,split(split与concatenate相对应)
将np数组变为py列表：a.tolist()
数组排序（⼩到⼤）：列排列np.msort(a)，⾏排列np.sort(a)，np.argsort(a)排序后返回下标
复数排序：np.sort_complex(a)按先实部后虚部排序
数组的插⼊：np.searchsorted(a,b)将b插⼊原有序数组a，并返回插⼊元素的索引值
类型转换：如a.astype(int)，np的数据类型⽐py丰富，且每种类型都有转换⽅法
条件查，返回满⾜条件的数组元素的索引值：np.where(条件)
条件查，返回下标：np.argwhere(条件)
条件查，返回满⾜条件的数组元素：np.extract([条件],a)
根据b中元素作为索引，查a中对应元素：np.take(a,b)⼀维
数组中最⼩最⼤元素的索引：np.argmin(a)，np.argmax(a)
多个数组的对应位置上元素⼤⼩的⽐较：np.maximum(a,b,c,……)返回每个索引位置上的最⼤值，np.minimum(…….)相反
将a中元素都置为b：a.fill(b)
每个数组元素的指数：np.exp(a)
⽣成等差⾏向量：如np.linspace(1,6,10)则得到1到6之间的均匀分布，总共返回10个数
求余：np.mod(a,n)相当于a%n，np.fmod(a,n)仍为求余且余数的正负由a决定
计算平均值：np.mean(a)
计算最⼤值：amax(a, axis=None, out=None, keepdims=False) 。Return the maximum of an array or maximum along an axis.
计算加权平均值：np.average(a,b)，其中b是权重
计算数组的极差：np.pth(a)=max(a)-min(a)
计算⽅差（总体⽅差）：np.var(a)
标准差：np.std(a)
算术平⽅根，a为浮点数类型：np.sqrt(a)
对数：np.log(a)
修剪数组，将数组中⼩于x的数均换为x，⼤于y的数均换为y：a.clip(x,y)
所有数组元素乘积：a.prod()
数组元素的累积乘积：a.cumprod()
数组元素的符号：np.sign(a)，返回数组中各元素的正负符号，⽤1和-1表⽰
数组元素分类：np.piecewise(a,[条件]，[返回值])，分段给定取值，根据判断条件给元素分类，并返回设定的返回值。判断两数组是否相等： np.array_equal(a,b)
判断数组元素是否为实数： np.isreal(a)
去除数组中⾸尾为0的元素：np.trim_zeros(a)
对浮点数取整，但不改变浮点数类型：np.rint(a)
⼆、数组属性
1.获取数组每⼀维度的⼤⼩：a.shape
2.获取数组维度：a.ndim
3.元素个数：a.size
4.数组元素在内存中的字节数：a.itemsize
5.数组字节数：a.nbytes==a.size*a.itemsize
6.数组元素覆盖：a.flat=1，则a中数组元素都被1覆盖
7.数组转置：a.T
不能求逆、求协⽅差、迹等，不适⽤于复杂科学计算，可以将array转换成matrix。
三、矩阵⽅法
创建矩阵：np.mat(‘…’)通过字符串格式创建，np.mat(a)通过array数组创建，也可⽤matrix或bmat函数创建matrix不会⾃动转换⾏列向量。matrix的所有运算默认都是数学上定义的矩阵运算，除⾮⽤mutiply函数实现点乘。
创建复合矩阵：np.bmat(‘A B’,’AB’)，⽤A和B创建复合矩阵AB（字符串格式）
创建n*n维单位矩阵：np.eye(n)
矩阵的转置：A.T
矩阵的逆矩阵：A.I
计算协⽅差矩阵：np.cov(x)，np.cov(x,y)
计算矩阵的迹（对⾓线元素和）：a.trace()
相关系数：np.corrcoef(x,y)
给出对⾓线元素：a.diagonal()
四、线性代数
估计线性模型中的系数：a=np.linalg.lstsq(x,b)，有b=a*x
求⽅阵的逆矩阵：np.linalg.inv(A)
求⼴义逆矩阵：np.linalg.pinv(A)
求矩阵的⾏列式：np.linalg.det(A)
解形如AX=b的线性⽅程组：np.linalg.solve(A,b)
求矩阵的特征值：np.linalg.eigvals（A）
求特征值和特征向量：np.linalg.eig(A)
Svd分解：np.linalg.svd(A)
五、概率分布
产⽣⼆项分布的随机数：np.random.binomial(n,p,size=…)，其中n,p,size分别是每轮试验次数、概率、轮数
产⽣超⼏何分布随机数：np.random.hypergeometric(n1,n2,n,size=…)，其中参数意义分别是物件1总量、物件2总量、每次采样数、试验次数
产⽣N个正态分布的随机数：al(均值，标准差，N)
产⽣N个对数正态分布的随机数：np.random.lognormal(mean,sigma,N)
六、多项式
多项式拟合：poly= np.polyfit(x,a,n)，拟合点集a得到n级多项式，其中x为横轴长度，返回多项式的系数
多项式求导函数：np.polyder(poly)，返回导函数的系数
得到多项式的n阶导函数：多项式.deriv(m = n)
多项式求根：np.roots(poly)
多项式在某点上的值：np.polyval(poly,x[n])，返回poly多项式在横轴点上x[n]上的值
两个多项式做差运算： np.polysub(a,b)
Matpoltlib简单绘图⽅法
linspace numpy引⼊简单绘图的包import matplotlib.pyplot as plt，最后⽤plt.show()显⽰图像
基本画图⽅法：plt.plot(x,y)，plt.xlabel(‘x’)，plt.ylabel(‘y’)，plt.title(‘…’)
⼦图：plt.subplot(abc)，其中abc分别表⽰⼦图⾏数、列数、序号
创建绘图组件的顶层容器：fig = plt.figure()
添加⼦图：ax = fig.add_subplot(abc)
设置横轴上的主定位器：ax.xaxis.set_major_locator(…)
绘制⽅图：plt.hist(a,b)，a为长⽅形的左横坐标值，b为柱⾼
绘制散点图：plt.scatter(x,y,c = ‘…’,s = …)，c表⽰颜⾊，s表⽰⼤⼩
添加⽹格线：id(True)
添加注释：如ax.annotate(‘x’, xy=xpoint, textcoords=‘offsetpoints’,xytext=(-50, 30), arrowprops=dict(arrow))
增加图例：如plt.legend(loc=‘best’, fancybox=True)
对坐标取对数：横坐标plt.semilogx()，纵坐标plt.semilogy()，横纵同时plt.loglog()

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。