1.使用数组进行文件输入与输出：
-
save()方法用于将数组存储到硬盘中，默认情况是以未压缩的格式进行存储，
.npy格式。
np.savce('file_name',arr)
load()方法用于将数组从硬盘中载入。
np.load('file_name.npy') -
另外，可以使用savez()方法，用于保存多个数组。
np.savez('file_name.npz',x=arr1,y=arr2)
此时，载入文件时，得到一个字典型对象：
arch = np.load('file_name.npz')
# 查看x
arch['x']
2.线性代数函数：
| 函数 | 说明 |
|---|---|
| diag() | 将一个矩阵的对角（或非对角）元素作为一维数组返回，或者将一维数组转换成一个方阵，并且在非对角线上有零点 |
| dot() | 矩阵点乘 |
| trace() | 计算对角元素和 |
| det() | 计算矩阵的行列式 |
| eig() | 计算方阵的特征值和特征向量 |
| inv() | 计算方阵的逆矩阵 |
| pinv() | 计算矩阵的Moore-Penrose伪逆 |
| qr() | 计算QR分解 |
| svd() | 计算奇异值分解（SVD） |
| solve() | 求解x的线性系统Ax=b(A为方阵) |
| lstsq | 计算x的线性系统Ax=b的最小二乘解 |
3.伪随机数生成：
Numpy中的random模块可以很方便的生成多种概率分布下的数组。
| 函数 | 说明 |
|---|---|
| seed() | 向随机数生成器传递随机种子 |
| permutation() | 返回一个序列的随机排列，或者返回一个乱序的整数范围序列 |
| shuffle() | 随机排列一个序列 |
| rand() | 从均匀分布中抽取样本 |
| randint() | 根据给定值，从低到高抽取随机整数 |
| randn() | 从均值为0方差为1的正态分布中抽取样本 |
| binomial() | 从二项分布中抽取样本 |
| normal() | 从正态高斯分布中抽取样本 |
| beta() | 从beta分布中抽取样本 |
| chisquare() | 从卡方分布中抽取样本 |
| gamma() | 从伽马分布中抽取样本 |
| uniform() | 从均匀[0,1)分布总抽取样本 |
Reference：
《Python for Data Analysis:Data Wrangling with Pandas,Numpy,and IPython》
网友评论