教程：NumPy教程

阅读笔记：

1.1 axis

ndarray是一个多维数组，比如我们有一个（2,4,3）这样维度的数组，它表示：有2个数组，每一个数组的维度为4行*3列：

取axis = 0时，就相当于所求的数组的结果变成shape（2，4）

取axis = 1时，数组的结果shape（3，4）

取axis = 2时，数组的结果shape（3，2）

多维数组axis=0的理解

1.2 多维数组的操作

ndarray.shape

ndarray.ndim

ndarray.reshape

numpy.itemsize(每个元素类型的字节长度)

1.3 创建数组

np.empty

np.zeros

np.ones

从已有的数组创建:

numpy.asarray

numpy.frombuffer

numpy.fromiter（来自任何可迭代对象）

来自数值范围内的数据：

numpy.arange（给定范围等间隔，默认从0开始，坐闭右开）

numpy.linspace（给定范围和均匀间隔数量，左闭右闭）

numpy.logspace（对数刻度上均匀分布，base的start次幂~base的stop次幂）

1.4 切片

slice(start,stop,step)

多维ndarray切片：

多维数组索引

高级和基本索引可以通过使用切片:或省略号...与索引数组组合。

a = np.array([np.nan, 1,2,np.nan,3,4,5])

print a[~np.isnan(a)] #过滤Nan

1.5 数组上的迭代

numpy.nditer

1.6 数组操作

修改形状

numpy.reshape

numpy.ndarray.flat（返回数组上的一维迭代器）

numpy.ndarray.flatten（返回折叠为一维的数组副本，返回一个拷贝副本，内容物理存储在另一个位置，修改副本不会影响原数组）

numpy.ravel（也是将多维数组降为一维，但是返回的是view,相同内存内容的不同视图，修改会影响原数组）

翻转操作

numpy.transpose

numpy.ndarray.T

numpy.rollaxis（numpy.rollaxis的理解）

numpy.swapaxes（交换两个轴）

修改维度

numpy.broadcast

numpy.broadcast_to

numpy.expand_dims（指定位置插入新的轴）

numpy.squeeze（指定位置删除一维条目）

数组连接

numpy.concatenate（沿指定轴连接相同形状的两个或多个数组）

numpy.stack（沿新轴连接数组）

numpy.hstack（水平堆叠）

numpy.vstack（竖直堆叠）

数组分割：

numpy.split

numpy.hsplit

numpy.vsplit

添加/删除元素

numpy.resize

numpy.append

numpy.insert（未提供轴时插入会展开原数组）

numpy.delete

1.7 位操作

numpy.bitwise_and (与)

numpy.bitwise_or（或）

numpy.invert（取反，有符号的整数返回补码）

numpy.left shift（左移，右补0）

numpy.right_shift（右移，左补0）

1.8 字符串函数（封装在numpy.char中）

numpy.char.add（字符串连接）

numpy.char.multiply

numpy.char.center

numpy.char.capitalize

numpy.char.title（首字母大写）

numpy.char.lower

numpy.char.split

numpy.char.splitlines

numpy.char.strip

numpy.char.join

numpy.char.replace

numpy.char.decode

numpy.char.encode

1.9 算数函数

三角函数

numpy.around

numpy.floor（向上取整）

numpy.ceil（向上取整）

1.10 算术运算

numpy.reciprocal（取倒数）

numpy.power

numpy.mod（余数）= numpy.remainder()

1.11 统计运算

numpy.amin

numpy.amax

numpy.ptp（沿轴方向的最大值-最小值）

numpy.percentile

numpy.median

numpy.mean

numpy.average