常用的numpy函数

一、前言

简单列一下常用的numpy函数，方便查阅。

二、示例及解释

首先，我们导入一下！
import numpy as np

array性质:
			array.ndim             				维度
			array.shape 						行和列
			array.size							元素个数

创建:
			np.arange(n)                        生成0至n-1个整数
			np.arange(m,n,k)       				生成m到n的以k为步长切片的数据。
			np.arange(4)  						从0开始
			np.linspace(m,n,k)   				在m到n的数据中按等间距取k个值  (n - m)/(k-1)
			np.ones(shape)
			a.reshape(m,n)              		将a重新定义为一个m行n列的矩阵

乘法:
			a = np.arange(4).reshape((2,2))
			b = np.array([[1,2],
			               [5,7]])
			c = a*b
			d = np.dot(a,b)
			e = a.dot(b)
			d和e相同，c是点乘

a.ravel()		将矩阵a重新拉伸成一个向量，拉伸后可以重新reshape成一个新矩阵

a.reshape(n,-1)或a.reshape(-1,n) 	确定一个矩阵的行(列)后，相应的列(行)也直接被确定

np.tile(a,(m,n))		将矩阵a的行数扩大m倍，列数扩大n倍

np.sort(a,axis=k)		将矩阵a在k维排序。

np.argsort(a)			返回将a升序排列后的索引值(默认排列方式为升序)

np.random.random()   			半开区间[0.0, 1.0)之间的随机浮点数数

np.random.randint(low, high=None, size=None, dtype=’l’)  返回从low到high之间的随机整数

np.empty_like() 			返回与给定数据具有同样大小和类型的数据，并且初始化为0，类似的有ones_like(),zeros_like()

numpy.where() 				返回满足给定条件的元素的索引

统计函数:
		np.sum(a, axis = None) 	依给定轴axis计算数组a相关元素之和，axis为整数或者元组
		
		np.mean(a, axis = None) 计算平均值
		
		np.average(a, axis = None, weights = None)  依给定轴axis计算数组a相关元素的加权平均值
		
		np.std（a, axis = None） 计算标准差
		
		np.var（a, axis = None） 计算方差
		
		argmin(a) 				返回数组a的最小值的下标
		
		argmax(a) 				返回数组a的最大值的下标
	
		median(a) 				计算数组a中元素的中位数
		

结束语

后续完善······