python—numpy库相关函数学习（1）

0、np.array添加元素

p_arr = np.append(p_arr,p_)#直接向p_arr里添加p_

补充：df和list的append

df.append    生成了新的对象， a = df.append(df,element)

list.append  直接修改了原对象,   list.append(element)

列表是属于可变类型的，list里的extend =  series里面的append

1、numpy.logspace  创造等比数列

给定开始点和结束点，规定数列长度，创造等比数列

---

>>> a = np.logspace(0,0,10)

>>> a

array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])

---

logspace中，开始点和结束点是10的幂，0代表10的0次方，9代表10的9次方

2、np.vstack和np.hstack  数组堆叠

np.vstack:按垂直方向（行顺序）堆叠数组构成一个新的数组（直观理解：往下叠）

np.hstack:按水平方向（列顺序）堆叠数组构成一个新的数组（直观理解：往右叠）

参考：numpy.vstack   和   numpy.hstack

3、np.mgrid  生成多维坐标

4、numpy: np.logical_and/or/not (逻辑与/或/非)

5、np.linspace  生成等差数列

numpy.linspace()等差数列函数

6、np.ravel 和 np.flatten

两个函数的功能都是将多维数组降为一维

ravel（）返回的是视图，意味着改变元素的值会影响原始数组；

flatten（）返回的是拷贝，意味着改变元素的值不会影响原始数组。

>>> x = np.array([[1,2,3], [4,5,6]])

>>> print(np.ravel(x))

[1 2 3 4 5 6]

7、np.random.seed()  随机数种子

seed( ) 用于指定随机数生成时所用算法开始的整数值。 （伪随机）

1.如果使用相同的seed( )值，则每次生成的随即数都相同； 

2.如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。 

3.设置的seed()值仅一次有效

numpy.random.RandomState()是一个伪随机数生成器

8、np.unique（[a,b]）

a\b为array或list，则a,b需要是等长度的，否则会报错

9、np.sort注意事项

sort默认从小到大排列，但是：

注意下面的这种情况，这里默认两个list分别排序

10、np.shape