学习python一段时间，numpy，pandas，matplotlib等这些包同房在学，经常将他们的函数混淆，所以将之前学过的，和用到过的归类整理出来，整理知识

一、多维数组对象

1. 1numpy的多维数组ndarray

1.1.1 创建数组

一维数组：arr1 = np.array([1,2,3,4])
二维数组：arr2 = np.array([[1,2,3,4],[5,6,7,8]])
查看数组的维数：arr2.ndim
查看数组形状：arr2.shape
查看数组元素类型：arr2.dtype

1.1.2 其他创建数组方法：

np.zeros(10)
np.zeros((3,6))
np.empty((2,3,4)) #返回的是一些未初始化的垃圾值

1.1.3 函数

• array()
• asarray()
• arange()
• ones()/ones_like()
• zeros()/zeros_like()
• empty()/empty_like()
• eye()/identity() # 创建一个正方的N*N单位矩阵（对角线为1，其余为0）

1.2. ndarry的数据类型

1.2.1 创建时指定dtype

arr1 = np.array([1, 2, 3,4], dtype = np.float)

1.2.2 使用astype()方法显式的转换dtype

float_arr = arr.astype(np.float64)
另一种方法：
arr1的数据类型为int， arr2的数据类型为float
将arr2的数据类型转换为和arr1一样：
arr2.astype(arr1.dtype)

1.3. 数组和标量之间的运算

1.3.1标量与数组的运算会传播到整个数组

• 大小相同的数组间的运算会应用到元素级
  arr = [[1,2,3,4],[5,6,7,8])
  arr * arr #对应位置数据相乘
  arr - arr
  1/arr
  arr**0.5
• 大小不同的数组间运算叫广播

1.4 索引和切片

1.4.1 基本索引和切片

1. 一维数组

arr = np.arange(10)

• arr[5]
• arr[5:8]
• arr[5:8] = 12 #切片赋值
  ！切片得到的是视图，更改会体现在源数据上
  eg:
  arr_slice = arr[5:8]
  arr_slice = 64
  对arr_slice赋值，也会体现在arr[5:8]上
  ！可以进行显式的复制操作
  eg：arr_slice = arr[5:8].copy()

2. 二维数组

arr2d = np.array([[1,2,3], [4,5,6],[7,8,9]])

• arr2d[2]
• arr2d[0][2]

3. 三维数组
   略

1.4.2 切片索引

• arr2d[:2] #沿第0轴切片
• arr2d[:2, 1:]

1.4.3 布尔索引

data 为一个多维数组
data[[布尔数组]]

• 布尔数组用于组索引
• 返回布尔值为1的元素
• 布尔数组的长度与被索引轴长度一致

1.4.3 花式索引

• 利用整数数组进行索引

arr[[1,3,5]]

• 选择arr数组的1，3，5行（从0开始）

arr[[-3, -5, -7]]

• 负数表示从末尾开始选行，倒数3，5，7行（从1开始）

arr[[1,3,5],[2,4,6]]

• 选择的是元素（1,2),(3,4),(5,6)，得到的是一个一维数组，而不是一个矩阵

arr[[1,3,5]][:, [2,4,6]]

• 得到1，3，5行的2，4，6列数据，一个3X3矩阵
• 或者使用函数：np.ix_()
  arr[np.ix_([1,3,5],[2,4,6])]

1.5 数组的转置和轴对换

1.5.1 转置 (返回的是源数据视图）

二维数组：arr.T#轴对换

高维数组：arr.transpose((1,0,2))

二、通用函数

2.1 一元函数

np.abs()
np.sqrt() # 平方根
np.square() #平方
......

2.2 二元函数

np.add() # 将数组对应元素相加
np.subtract() # 从第一个数组中减去第二个数组中的元素
......

三、利用数组进行数据处理

3.1 将条件逻辑表述为数据运算

np.where( cond, x, y)
等价于：x if condition else y
条件为1时返回x， 条件为0时返回y

3.2 数学和统计方法

• 两种方法：函数调用：np.mean(arr) /对象方法：arr.mean()
• 统计函数：np.sum()、np.std()、np.var().....
• 最小（大）元素索引：np.argmin()/np.argmax()
• 累计和/积：np.cumsum() / cumprod()

3.3 用于布尔型数组的方法

布尔值会被转换位1，0 ，所以用sum（）来对布尔型数组计数

• bools.any() 测试数组中是否存在一个或多个True
• bools.all()数组中的所有值是否都为True

3.4 排序

多维数组可以在任何一个轴上进行排序，只需将轴编号传给sort()

• arr.sort() 就地排序，会改变数组本身
• np.sort() 顶级方法，返回数组的副本

3.5 集合逻辑

• np.unique(x) 返回x中的唯一元素，并有序返回结果
• np.intersect1d(x,y)计算x，y中的公共元素，并返回有序结果
• union1d(x,y) 计算x，y中的并集，并返回有序结果
  ......

四、用于数组的文件输入输出

np.save('文件名', arr) #将arr数组保存到磁盘上.npy文件
np.load('文件名.npy')
np.savez('file.npz', arr1, arr2)# 多个数组压缩保存到一个压缩文件中

五 线性代数

np.linalg中有一组标准的矩阵分解运算以及求逆、行列式等

• 矩阵乘法：
  x, y 为两个二矩阵
  x.dot(y) 相当于 np.dot(x, y)
  ......

六、随机数生成

np.random模块对python内置的random进行补充

• seed 随机数生成器种子
• rand 产生均匀分布的样本值
• randint 从给定范围随机选取整数
• randn 产生标准正态分布的样本值
• normal 产生正态分布样本值
• binomial 产生二项分布样本值