numpy库常用函数记录（不断更新）

numpy常用函数记录

• arange([start, ] stop[, setp,], dtype = None):
  该函数返回的是一个ndarray类型数据，而不是list类型数据，该函数中start参数用于指定创建数组的起始位置，stop用于指定终止位置，step指定步长，创建的数组是[start, stop)，即包含起始位置元素但不包括终止位置元素，该函数与range([start, ] stop[, setp,])函数类似，只不过range函数返回的是一个列表list (必须import numpy库才能使用该函数)
• ndarray.reshape(r, c):
  该函数可以改变数组ndarray的形状为r行c列的数组
• ndarray.ravel():
  该函数将数组ndarray展成一维向量
• ndarray.shape = (m, n):
  通过元素(m,n)可以把数组ndarray设置成m行n列的元素
• ndarray.resize((m, n)):
  实现与上面的shape同样的功能
• ndarray.transpose():
  返回ndarray的转置矩阵
• inv(A):
  对矩阵A取逆
• trace(A):
  求矩阵A的迹
• vstack((A, B)):
  返回一个矩阵，该矩阵是矩阵A与矩阵B按照列的方式叠加
• hstack((A, B)):
  返回一个矩阵，该矩阵式矩阵A与矩阵B按照行的方式叠加
• column_stack((a, b)):
  返回一个矩阵，该矩阵是由向量a与b组成，其中，向量a，b分别做矩阵的列
• row_stack((a, b)):
  返回一个矩阵，该矩阵是由向量a与b组成，其中，向量a，b分别做矩阵的行
• hsplit(A, n):
  将矩阵A分成n分，将列分成n分，行不变
• hsplit(A, (m,n)):
  将矩阵A以第m列和第n列为分割点，将矩阵A分成3分，应为[m, n)格式，即第m列到第n-1列
• zeros(shape, dtype = float, order = ‘C’):
  通过给定的形状shape和类型dtype创建一个0数组，其中shape用元组给出，例如(2,3)则创建一个两行三列的0数组，order用于指定存储方式，C为以行在内存中存储，F为以列在内存中存储
• ones(shape, dtype = float, order = ‘C’):
  通过给定的形状shape和类型dtype创建一个1数组
• linspace(start, stop, num=50, endpoint=True, retstep=False):
  返回一个数组，该数组的元素是取自从start开始到stop结束的长度中，均匀分布的num个元素，如果endpoint为True，则范围是[start, stop]，如果endpoint为False，则范围是[start, stop)，如果retstep为True，则在返回结果中包含有步长，否则不包含。

numpy常用的矩阵（向量）操作方法

假设有矩阵A与B，则我们有如下操作方法：
1. A ** i：对矩阵A中的所有元素做i次方的操作并返回一个新矩阵
2. A * B: 将矩阵A与矩阵B中对应元素相乘并返回一个新矩阵
3. dot(A, B): 对矩阵A与矩阵B做矩阵乘法的运算
4. f(A)：对矩阵A中所有元素做函数f操作
5. A.sum()：将A中所有元素加和并返回该值
6. A.min()：将A中最小的元素返回
7. A.max()：将A中最大的元素返回
8. A.sum(axis = i)：将A中第i-1维的元素加和
9. A.min(axis = i)：找出A中第i-1维的最小元素
10. A.cumsum(axis = i)：将A中第i-1维的元素从前往后累积相加，即返回的矩阵中第一个元素与A相同，第二个元素为第一个元素与第二个元素的和，…，第k个元素为A中前k-1个元素的和

note:

1. ndarray的flat属性是一个指向array元素的迭代器，通过该迭代器，可以访问单个元素