Python——ndarray多维数组基本操作（3）

1.使用数组进行文件输入与输出：

• save()方法用于将数组存储到硬盘中，默认情况是以未压缩的格式进行存储，.npy格式。
  np.savce('file_name',arr)
  load()方法用于将数组从硬盘中载入。
  np.load('file_name.npy')

• 另外，可以使用savez()方法，用于保存多个数组。
  np.savez('file_name.npz',x=arr1,y=arr2)
  此时，载入文件时，得到一个字典型对象：

arch = np.load('file_name.npz')
# 查看x
arch['x']

2.线性代数函数：

函数	说明
diag()	将一个矩阵的对角（或非对角）元素作为一维数组返回，或者将一维数组转换成一个方阵，并且在非对角线上有零点
dot()	矩阵点乘
trace()	计算对角元素和
det()	计算矩阵的行列式
eig()	计算方阵的特征值和特征向量
inv()	计算方阵的逆矩阵
pinv()	计算矩阵的Moore-Penrose伪逆
qr()	计算QR分解
svd()	计算奇异值分解（SVD）
solve()	求解x的线性系统Ax=b(A为方阵)
lstsq	计算x的线性系统Ax=b的最小二乘解

3.伪随机数生成：

Numpy中的random模块可以很方便的生成多种概率分布下的数组。

函数	说明
seed()	向随机数生成器传递随机种子
permutation()	返回一个序列的随机排列，或者返回一个乱序的整数范围序列
shuffle()	随机排列一个序列
rand()	从均匀分布中抽取样本
randint()	根据给定值，从低到高抽取随机整数
randn()	从均值为0方差为1的正态分布中抽取样本
binomial()	从二项分布中抽取样本
normal()	从正态高斯分布中抽取样本
beta()	从beta分布中抽取样本
chisquare()	从卡方分布中抽取样本
gamma()	从伽马分布中抽取样本
uniform()	从均匀[0,1)分布总抽取样本

Reference：
《Python for Data Analysis:Data Wrangling with Pandas,Numpy,and IPython》