Python打卡@2018-12-08（Numpy知识点回顾）

很长时间没坚持打卡，但是却有在坚持学习Python,每天一小点，其实是没有达成目标的。
这两周时间已经把Python的Numpy看完了，但是看过后还是会忘记。在重新复习起来的时候还是不知道其用法，还是缺少练习。
总之一句话：没有投入就没有回报。

Numpy的通用函数 加，减，乘，除，求余数，地板除，三角函数，指数、绝对值等。
以上这些运算在Numpy中也有对应的函数，记得前面写np.

提到通用函数就得想到reduce函数，这个是实现累加，累乘的过程例如
np.add.reduce(x) == np.sum(x)
np.multiply.reduce(x)
如果要保存住中间的计算结果记得用accumulate函数，例如
np.add.accumulate(x)

如果将计算结果不通过赋值的形式进行输出，可以调用outer=参数形式进行输出
np.multiply(x,10,outer = y) 将结果输出给y ， 其效果等同于 y = np.multiply(x,10）
outer参数后也可以进行切面以获得更刁钻的结果，例如outer = y[::2]

外积 :
通用函数都可以用outer()方法获得两个不同输入数组所有元素对的函数运算结果

x = np.arange(1,6)
print(x)
np.multiply.outer(x,x)
[1 2 3 4 5]
array([[ 1,  2,  3,  4,  5],
       [ 2,  4,  6,  8, 10],
       [ 3,  6,  9, 12, 15],
       [ 4,  8, 12, 16, 20],
       [ 5, 10, 15, 20, 25]])

axis关键字指定的是数组将会被折叠的维度, 而不是将要返回的维度.因此指定axis=0意味着第一个轴将要被折叠--对于二维数组,这意味着每一列的值都将被聚合.

其他聚合函数
-大多数聚合函数都有对NaN值得安全处理策略(NaN-safe), 即计算时忽略所有的缺失值.
-NumPy可用聚合函数清单