numpy

ml

数组

索引

import numpy as np
arr = np.array([[[1], [2]], [[3], [4]]], dtype) #创建数组，可指定数据类型
arr.ndim #arr的维度,#3
arr.shape #从外向内分解各维长度,#(2,2,1)
len(arr) #第一维的大小
newarr = arr[:].copy() #索引返回的数组是与原数组共享内存

arr[start:end:step] #多维用逗号分割

mask = arr % 3 == 0 #返回bool类型的的数组
newarr = arr[mask] #对arr用mask筛选
a[a % 3 == 0] = -1 #筛选赋值

创建

np.arange(n)
np.arange(start, end, step)
np.linspace(start, end, num) #[start, end]割num个数
np.ones((m, n)) #全为1的矩阵
np.zeros((m, n))
np.eye(n) #单位方阵
np.diag(np.arr([1, 2, 3])) #填充对角线
arr.dtype #数据类型

操作

元素

arr + 1 #可对数组直接进行加减乘除操作用运算符的都是对元素全体的运算
arr1 == arr2 #返回一个bool类型的array
np.array_equal(a, b) #数组判等
np.sin(a)
np.log(a)
np.exp(a)
a = np.triu(np.ones((3, 3)), 1) #换位操作
array([[ 0.,  1.,  1.],
       [ 0.,  0.,  1.],
       [ 0.,  0.,  0.]])

迭代

arr.sum()
arr = np.array([[1, 1], [2, 2]])
arr.sum(axis=0) #对每列分别进行求和

arr.min()
arr.max()
np.all([True, True, False]) => false
np.any()
arr.mean(axis=)
np.median(arr, axis=)
arr.transpose(axis0, ...)
arr.resize((axis1, ...)) #元素不足则用0补齐,arr不能被引用

Broadcasting

形状

arr.ravel() #连接成一行
arr.reshape((m, n)) #重塑,可能返回view或copy
arr[:, np.newaxis] #维度增加
[1, 2, 3] => [[1],[2],[3]]
arr[np.newaxis, :]
[[1, 2, 3]]

数据类型

arr.astype() #强制类型转化
np.around(arr) #四舍五入但数据类型仍为浮点

多项式

$3x^2+2x-1$

p=np.polynomial([-1, 2, 3])
p(x') #x=x'时多项式的值
p.roots() #多形式为0时的根
p.degree() #最高次

文件

data = np.loadtxt('xxx.txt')
np.savetxt('xxx.txt', data)
np.genfromtxt() #读取复杂格式的文件

参考

scipy notes