1产生与属性
1.1数组：
要求元素类型相同
a=np.array([1,2,3,4]，dtype=类型（int或者float等等) )
1.2基础运算：
加减乘除
在a上的操作都是针对所有的数字的
a+1，所有数字加1
1.3判断：
当数组接>value或 < value 时可以给出数组中每个值与value的大小情况
1.4由列表产生：
1.5全部是0的数组：
a=np.zeros(number) number是0的个数
1.6全部是1：
a=np.ones(number)
a=np.ones(number,dtype=’返回的类型可以是int 或者bool’)
1.7指定具体值
a.fill(value) 将已经产生好的数组的所有数字赋值位value
1.8转换类型：
a=a.astype(‘ 基本数据类型’) //a已经产生，astype返回新数组
或者
a=np.asarray(a,dtype=类型）
1.9生成整数序列：
a=np.arrange(number,number2) //数字是起点和终点 左闭右开 还可以加间隔数
类似于等差数列中的那个p
1.10生成等差序列：
a=np.linspace（number1,number2,生成的个数）左闭右闭从number1到2
1.11生成随机数：
np.random.rand(个数)
np.random.randn(个数)标准正态分布的随机数
np.random.randint(个数) 生成随机整数
1.12查看：
a.ndim查看数组是几维的
a.dtype查看类型
a.shape返回一个元组，元组中的值是这一维的数目适用于多维数组
1.13多维数组的索引：
a[行数，列数]
a[ : ,1] 每行第一个
数组的引用机制：
b=a[ :3]
如果改变了b的值例如b[0]=12
那么a中的值也会改变，系统没有位b开辟空间存储，只是让它指向原数组
列表与此相反
1.14数组的赋值：
b=a[ :3].copy( )
1.15一维花式索引：
布尔值索引：
根据mask位置返回对应于a数组中对应值并且在mask中是true
1.16二维花式索引：
即a[ [行数，行数]，[列数，列数] ]
或者a[(行数，行数)，（列数，列数）]
where语句：
会返回一个元组
例如np.where(a>10) 会返回数组a中所有>10的元素索引数字
此外 a[np.where(a>10) ]就可以得到具体的值
2操作：
2.1排序
np.sort(a) 返回一个排好序的新数组，原数组是没变的，需不需要变动原数组自己决定
np.argsort() 实用性不错 返回一个数组，数组里是从小到大的 索引数字，想得到具体内容外面加[ ]就可以
2.2求和：
2.3最值：
np.max(a)
np.min(a)
a.max( )
a.min( )
2.4均值
2.5 标准差
2.6相关系数矩阵
2.7转换形状
a.shape=2,3 变成两行三列的数组，会改变原来的的数组
a.reshape( ) 作用同上，但不改变原数组
2.8转置
a.T 后面没有括号<br /> a.transpose( ) 本身不会变化
2.9数组连接
np.concentate（(数组1，数组2 ) axis=0) 默认按列来拼接
纵向拼接：
横向拼接：
其他的：
np.vstack( )纵向拼接
np.hstack(a,b)横向拼接
其他的内置函数有需要自己查
若有收获，就点个赞吧
0 人点赞
