numpy有关数据处理的一些常见函数

1 使用numpy存储及提取任意维度的数据集

保存数据的方法有很多，但是现在对于我来说，下面这种是比较好的一种方式。
保存数据： np.save('../Cs137data/numpy_data/dataSet_10cm.npy', dataSet1)

保存任意维度的数据到指定文件夹

加载数据： b1 = np.load('../Cs137data/numpy_data/dataSet_10cm.npy')

直接将数据读出，获得的数据集就是之前的数据集格式，完全不需要其他操作，十分方便

2 np.random 的函数

通过设置种子，使得两次产生的随机数相同

np.random 的函数

np.random 的函数

numpy 的统计函数

3 numpy的统计函数

numpy 的统计函数

np.unravel_index(np.argmax(b), b.shape) 可以将np.argmax( b)得到的扁平下标转化为 b.shape的格式，这样可以直接寻找到最大值的位置，最小值的位置即只用 np.argmin() 来找。

4 numpy的梯度函数

numpy 的梯度函数

梯度的计算过程

计算多维数组的梯度，返回值有多个数组，表示不同方向的变化率

5 数组的合并

(1) np.vstack((a, b)) 垂直合并，保证列维度一致

>>> a = np.array([1, 2, 3])
>>> b = np.array([2, 3, 4])
>>> np.vstack((a,b))
array([[1, 2, 3],
       [2, 3, 4]])

（2）np.hstack((a, b)) 横向合并，保证行维度一致

>>> a = np.array((1,2,3))
>>> b = np.array((2,3,4))
>>> np.hstack((a,b))
    array([1, 2, 3, 2, 3, 4])

参考

中国大学MOOC，Python数据分析与展示，北京理工大学，蒿天

有时候回头看，不一定要会所有的技术，但是要知道有哪些东西可以解决什么问题，然后查资料来使用这些技术来解决实际问题。其实用了很久的 numpy，再回头看看这些课程，也会有不一样的理解。