numpy.array(object) //object可以是列表,也可以是元组
numpy.arange(start,stop,step,dtype)
等差数组
numpy.linspace(start,stop,num,endpoint,retstep,dtype)
等比数组
numpy.logspace(start,stop,num,endpoint,base,dtype)
numpy.array(object) //obejc必须是列表的列表,元组的元组
numpy.onses(shape,dtype) // 全是1的二维数组
numpy.zeros(shape,dtype) // 全是0的二维数组
numpy.full(shape,fill_value,dtype)
numpy.identity(n,dtype) //单位矩阵,对角线是1
ndarray[index]
ndarray[所在0轴索引][所在1轴索引]
ndarray[所在0轴索引,所在1轴索引]
ndarray[start:end:step]
ndarray[所在0轴切片,所在1轴切片]
可以 传递布尔索引,从数组中过滤出我们需要的元素
深层复制
当索引为整数列表,一维整数数组或二维整数数组,就称为花式索引。
深层复制
numpy.concatenate((a1,a2,...),axis)
numpy.vstack((a1,a2))//沿垂直方向
numpy.hstack((a1,a2))//沿水平方向
numpy.split(ary,indices_or_sections,axis)
numpy.vsplict(ary,indices_or_sections)
numpy.hsplict(ary,indices_or_sections_
±*/
数组与标量或者不同形状的数组进行算术运算时候,就会发生数组广播
numpy.random.rand(d0,d1,...dn)
numpy.random.randin(low,high,size,dtype)
numpy.random.normal(loc,scale,size)
numpy.random.randan(d0,d1,...)
numpy.sort(a,axis=-1,kind=‘quicksort’,order=None)
numpy.argsort(a,axis=-1,kind=‘quicksort’,order=None)
numpy.sum(a,axis=None)
numpy.nansum(a,axis=None)
numpy.ndarray.sum(axis=None)
numpy.amax(a,axis=None)
numpy.nanmax(a,axis=None)
numpy.ndarray.max(axis=None)
numpy.amin(a,axis=None)
numpy.nanmin(a,axis=None)
numpy.ndarray.min(axis=None)
numpy.mean(a,axis=None)
numpy.nanmean(a,axis=None)
numpy.amin(a,axis=None,weights=None)//weights表示权重
numpy.save(file,arr,allow_pick,fix_imports)
numpy.savez(file)
numpy.savez_compressed(file)
numpy.load(file,mmap_mode,allow_pickle,fix_imports,encoding)