基础部分
1、导入numpy模块
import numpy as np
2、查看numpy版本信息
print(np.__version__)
numpy的主要对象的多维数组Ndarray。Numpy中维度（dimensions）叫做轴（axis）,轴的个数叫做秩。
3、通过列表创建一位数组
np.array([1, 2, 3])
4、通过列表创建一个二维数组
np.array([(1, 2, 3),(4, 5, 6)])
5、创建全为0的二维数组
np.zeros((3,3))
6、创建全为1的三维数组
np.ones((2,3,4))
7、创建一维等差数组
np.arange(5)
8、创建二维等差数组
np.arange(6).reshape(2,3)
9、创建二维单位矩阵
np.eye(3)
10、创建等间隔一维数组（1到10之间，共6个数，数字之间间隔相同）
np.linspace(1, 10, num=6)
11、创建二维随机数组
np.random.rand(2,3)
下面说明一下random模块中的一些常用函数的用法
- numpy.random.rand(d0, d1, ..., dn)：生成一个[0,1)之间的随机浮点数或N维浮点数组。
- numpy.random.randn(d0, d1, ..., dn)：生成一个浮点数或N维浮点数组，取数范围：正态分布的随机样本数。
- numpy.random.randint(low, high=None, size=None, dtype='l')：生成一个整数或N维整数数组，取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。
- numpy.random.seed()：使得随机数据可预测。当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数
12、依据自定义函数创建数组
np.fromfunction(lambda i, j: i +j, (5, 6))fromfunction()方法可以根据矩阵的行号列号生成矩阵的元素。 例如创建一个矩阵，矩阵中的每个元素都为行号和列号的和。import numpy as np
def func(i,j):
return i+j a = np.fromfunction(func,(5,6)) 第一个参数为指定函数，第二个参数为列表list或元组tuple,说明矩阵的大小 print(a) 输出：[[ 0. 1. 2. 3. 4. 5.] [ 1. 2. 3. 4. 5. 6.] [ 2. 3. 4. 5. 6. 7.] [ 3. 4. 5. 6. 7. 8.] [ 4. 5. 6. 7. 8. 9.]] 注意这里行号的列号都是从0开始的,func传进去的实参是矩阵的行列号13、矩阵乘法运算
np.dot(A, B)
14、使用np.mat将数组定义为矩阵，直接使用进行矩阵乘法运算 np.mat(A) np.mat(B)
15、矩阵的转置
A.T
16、矩阵求逆
np.linalg.inv(A)
17、常用数学函数计算
np.sin(a)np.exp(a)np.sqrt(a) #开平方运算np.power(a, 3) #立方根运算
18、数组的切片和索引
a = np.array([1, 2, 3, 4, 5])a[0], a[-1]a[0:2], a[:-1]
19、更改数组的形状（不改变原始数组）
a.reshape(2,3)
20、更改数组形状（改变原始数组）
a.resize(2, 3)
21、展平数组（将多维变成一维）
a.ravel() a.flatten()numpy.flatten()返回一份拷贝，对拷贝所做的修改不会影响（reflects）原始矩；而numpy.ravel()返回的是视图（view），会影响（reflects）原始矩阵。
22、垂直拼合数组
np.vstack((a, b))
23、水平拼合数组
np.hstack((a, b))
24、沿轴分隔数组
np.hsplit(a, 3) #沿横轴切分数组。a是ndarray数组，3表示切分为几份np.vsplit(a,2) #沿纵轴切分数组。
25、返回数组最值
np.min(a, axis=num）np.max(a, axis=num)np.argmax(a, axis=num) #返回最大值的索引np.argmin(a, axis=num)
26、数组的统计特性计算
np.median(a, axis=num) #指定维度的中位数np.mean(a, axis= num) #算数平均值np.average(a, axis= num) #加权平均值np.var(a, axis = num) #方差np.std(a, sxis = num) #标准差
进阶部分
27、创建一个5*5的二维数组，其中边界值为1，其余值为0 arr = np.ones((5,5)) #方法1 arr[1:-1,1:-1] = 0 z
arr = np.ones((5,5)) #方法二arr = np.pad(arr, pad_width=1, mode='constant', constant_values=0)
28、创建5*5的二维数组，并设置1，2 ，3 ，4落在其对角线下方 arr = np.diag(1+np.arange(4), k = -1)
29、创建一个0-10的一维数组。并将大于等于5的数置为0
arr1 = np.random.randint(0,10,10)arr1[arr1 >= 5] = 0
29、找出两个一维数组中子相同的元素
arr1 = np.random.randint(0,10,10) arr2 = np.random.randint(0,10,10)np.intersect1d(arr1,arr2)
30、打印今天、昨天、明天
yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')today = np.datetime64('today', 'D')tomorrow = np.datetime64('today', 'D') + np.timedelta64(1, 'D')print("yesterday: ", yesterday)print("today: ", today)print("tomorrow: ", tomorrow) 31、将数组排序
Z = np.random.random(10)Z.sort()
32、将float32转化为整型
arr = np.arange(10, dtype = np.float32)arr = arr.astype(np.int32, copy = False)
33、将随机二维数组按照第3列从上到下升序排列
arr = np.random.randint(0, 10, (5,5))arr[arr[:,2].argsort()]
34、将二维数组的前两行进行交换
A = np.arange(25).reshape(5,5)A[[0,1]] = A[[1,0]]
35、找出随机一维数组中出现频率最高的值
arr = np.random.randint(0,10,50)np.bincount(arr).argmax()
36、对于给定的55二维数组，在其内部随机放置num个值为1的数 arr = np.zeros((5,5)) np.put(arr, np.random.choice(range(55), p, replace=False), 1)
37、获得二维数组点积结果的对角线数组
A = np.random.uniform(0,1,(3,3))A = np.random.uniform(0,1,(3,3))np.sum(A*B.T,axis = 1) #较快的方法np.diag(np.dot(A, B)) #较慢的方法
38、设置数组中的各元素的值，使其保留两位小数
np.set_printoptions(precision=2)
39、计算两个数组之间的欧式距离
np.linalg.norm(b-a)