np.unique(array, return_inverse=True)np_utils.to_categorical(coded_id)np.random
随机数：
| rand(d0, d1, ..., dn) | 随机值；给定形状，生成[0,1]之间均匀分布的随机样本 np.random.rand(2，3) [[0.42085 0.74822 0.79452][0.08833 0.85959 0.25843 ]] np.random.rand(3) [0.50288776 0.33155867 0.84370448] |
| randn(d0, d1, ..., dn) | 同rand, 生成符合标准正态分布N(0,1) 的随机样本；同 |
| randint(low,high=None,size=None,dtype) | 生成在区间[low,high)上离散均匀分布的整数值;若high=None，则取值区间变为[0,low) np.random.randint(5, size=(2, 4)) [[1 0 2 3] [4 3 2 4]] np.random.randint(2, size=5) [1 0 0 0 1] np.random.randint(2,5,size=5) [2 2 3 4 3] |
| random_integers(low,high=None,size=None) | 生成在闭区间 [low, high]离散均匀分布的整数值。若high=None，则取值区间变为[1,low] np.random.random_integers(1,5,size=(2,3)) [[4 2 4] [1 1 5]] |
| random_sample([size]) | 给定形状，返回随机的浮点数，在半开区间 [0.0, 1.0)。 |
| random([size]) | 返回随机的浮点数，在半开区间 [0.0, 1.0)。（官网例子与random_sample完全一样） |
| ranf([size]) | 返回随机的浮点数，在半开区间 [0.0, 1.0)。（官网例子与random_sample完全一样） |
| sample([size]) | 返回随机的浮点数，在半开区间 [0.0, 1.0)。（官网例子与random_sample完全一样） |
| choice(a,size=None,replace=True,p=None) | 若a为数组，则从a中选取元素； 若a为单个int类型数，则选取range(a)中的数 |
| bytes(length) | 返回随机字节。>>> np.random.bytes(10) |
排列
| shuffle(x) | 现场修改序列，改变自身内容。（类似洗牌，打乱顺序） np.random.shuffle(arr) |
| permutation(x) | 返回一个随机排列 np.random.permutation(10) np.random.permutation(array) |
随机数生成器：
| Container for the Mersenne Twister pseudo-random number generator. | |
| seed([seed]) | Seed the generator. |
| Return a tuple representing the internal state of the generator. | |
| set_state(state) | Set the internal state of the generator from a tuple. |
分布：
| beta(a, b[, size]) | 贝塔分布样本，在 [0, 1]内。 |
| binomial(n, p[, size]) | 二项分布的样本。 |
| chisquare(df[, size]) | 卡方分布样本。 |
| dirichlet(alpha[, size]) | 狄利克雷分布样本。 |
| exponential([scale, size]) | 指数分布 |
| f(dfnum, dfden[, size]) | F分布样本。 |
| gamma(shape[, scale, size]) | 伽马分布 |
| geometric(p[, size]) | 几何分布 |
| gumbel([loc, scale, size]) | 耿贝尔分布。 |
| hypergeometric(ngood, nbad, nsample[, size]) | 超几何分布样本。 |
| laplace([loc, scale, size]) | 拉普拉斯或双指数分布样本 |
| logistic([loc, scale, size]) | Logistic分布样本 |
| lognormal([mean, sigma, size]) | 对数正态分布 |
| logseries(p[, size]) | 对数级数分布。 |
| multinomial(n, pvals[, size]) | 多项分布 |
| multivariate_normal(mean, cov[, size]) | 多元正态分布。 |
| negative_binomial(n, p[, size]) | 负二项分布 |
| noncentral_chisquare(df, nonc[, size]) | 非中心卡方分布 |
| noncentral_f(dfnum, dfden, nonc[, size]) | 非中心F分布 |
| normal([loc, scale, size]) | 正态(高斯)分布 |
| pareto(a[, size]) | 帕累托（Lomax）分布 |
| poisson([lam, size]) | 泊松分布 |
| power(a[, size]) | Draws samples in [0, 1] from a power distribution with positive exponent a - 1. |
| rayleigh([scale, size]) | Rayleigh 分布 |
| standard_cauchy([size]) | 标准柯西分布 |
| standard_exponential([size]) | 标准的指数分布 |
| standard_gamma(shape[, size]) | 标准伽马分布 |
| standard_normal([size]) | 标准正态分布 (mean=0, stdev=1). |
| standard_t(df[, size]) | Standard Student’s t distribution with df degrees of freedom. |
| triangular(left, mode, right[, size]) | 三角形分布 |
| uniform([low, high, size]) | 均匀分布 |
| vonmises(mu, kappa[, size]) | von Mises分布 |
| wald(mean, scale[, size]) | 瓦尔德（逆高斯）分布 |
| weibull(a[, size]) | Weibull 分布 |
| zipf(a[, size]) | 齐普夫分布 |
数组属性：
| 属性 | 说明 |
|---|---|
| ndarray.ndim | 秩，即轴的数量或维度的数量 |
| ndarray.shape | 数组的维度，对于矩阵，n 行 m 列 |
| ndarray.size | 数组元素的总个数，相当于 .shape 中 n*m 的值 |
| ndarray.dtype | ndarray 对象的元素类型 |
| ndarray.itemsize | ndarray 对象中每个元素的大小，以字节为单位 |
| ndarray.flags | ndarray 对象的内存信息 |
| ndarray.real | ndarray元素的实部 |
| ndarray.imag | ndarray 元素的虚部 |
| ndarray.data | 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。 |
创建数组：
1. numpy.empty(shape, dtype = float, order = 'C') 数组元素为随机值
2. numpy.zeros(shape, dtype = float, order = 'C') 0数组3. numpy.asarray(a, dtype = None, order = None) a list/tuple/list_tuple4. numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0) 动态数组，流输入 buffer='Hello World'5. numpy.fromiter(iterable, dtype, count=-1) 迭代对象 iterable=iter([1,2,3,4,5])6. numpy.arange(start, stop, step, dtype) 范围创建7. np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 等差数列8. np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None) 等比数列 base 参数意思是取对数的时候 log 的下标 start=base ** start stop=base ** stop
9. for x in np.nditer(a.T, order='C') C行序优先 F列序优先 修改数组形状：
| 函数 | 描述 |
|---|---|
reshape | 不改变数据的条件下修改形状 np.arange(8).reshape(4,2) 共享内存，同时修改 |
flat | 数组元素迭代器 for element in a.flat |
flatten | 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组 ndarray.flatten(order='C') |
ravel | 返回展开数组,返回view(),会影响源数组 numpy.ravel(a, order='C') |
翻转数组：
transpose | 对换数组的维度 numpy.transpose(arr, axes) |
ndarray.T | 和 self.transpose() 相同 a.T |
rollaxis | 向后滚动指定的轴 numpy.rollaxis(arr, axis, start) |
swapaxes | 对换数组的两个轴 numpy.swapaxes(arr, axis1, axis2) |
修改数组维度：
| 维度 | 描述 |
|---|---|
broadcast | 产生模仿广播的对象 |
broadcast_to | 将数组广播到新形状 np.broadcast_to(a,(4,4)) |
expand_dims | 扩展数组的形状 numpy.expand_dims(arr, axis) arr:输入数组 axis:插入轴位置 |
squeeze | 从数组的形状中删除一维条目 |
连接数组：
| 函数 | 描述 |
|---|---|
concatenate | 连接沿现有轴的数组序列 numpy.concatenate((a1, a2, ...), axis) |
stack | 沿着新的轴加入一系列数组。 numpy.stack(arrays, axis) |
hstack | 水平堆叠序列中的数组（列方向） |
vstack | 竖直堆叠序列中的数组（行方向） |
分割数组：
| 函数 | 数组及操作 |
|---|---|
split | 将一个数组分割为多个子数组 numpy.split(ary, indices_or_sections, axis) np.split(a,3) np.split(a,[4,7]) |
hsplit | 将一个数组水平分割为多个子数组（按列） |
vsplit | 将一个数组垂直分割为多个子数组（按行） |
数组元素的添加与删除
| 函数 | 元素及描述 |
|---|---|
resize | 返回指定形状的新数组 如果新数组大小大于原始大小，则包含原始数组中的元素的副本。 |
append | 将值添加到数组末尾 numpy.append(arr, values, axis=None) axis无定义时，横向加成返回一维数组 |
insert | 沿指定轴将值插入到指定下标之前 numpy.insert(arr, obj, values, axis) obj：索引 |
delete | 删掉某个轴的子数组，并返回删除后的新数组 Numpy.delete(arr, obj, axis) |
unique | 查找数组内的唯一元素 u,indices = numpy.unique(arr, return_index, return_inverse, return_counts) |
字符串函数
| 函数 | 描述 |
|---|---|
add() | 对两个数组的逐个字符串元素进行连接 numpy.char.add() np.char.add(['hello'],[' xyz']) |
| multiply() | 返回按元素多重连接后的字符串 numpy.char.multiply() np.char.multiply('Runoob ',3) |
center() | 居中字符串，并使用指定字符在左侧和右侧进行填充。 np.char.center('Runoob', 20,fillchar = '*') |
capitalize() | 将字符串第一个字母转换为大写 np.char.capitalize('runoob') |
title() | 将字符串的每个单词的第一个字母转换为大写 np.char.title('i like runoob') |
lower() | 数组元素转换为小写 np.char.lower('RUNOOB') |
upper() | 数组元素转换为大写 np.char.upper(['runoob','google']) |
split() | 指定分隔符对字符串进行分割，并返回数组列表 np.char.split ('www.runoob.com', sep = '.') |
splitlines() | 返回元素中的行列表，以换行符分割 np.char.splitlines('i\nlike runoob?') |
strip() | 移除元素开头或者结尾处的特定字符 np.char.strip(['arunooba','admin','java'],'a') |
join() | 通过指定分隔符来连接数组中的元素 np.char.join([':','-'],['runoob','google']) np.char.join(':','runoob') |
replace() | 使用新字符串替换字符串中的所有子字符串 np.char.replace ('i like runoob', 'oo', 'cc') |
decode() | 数组元素依次调用str.decode np.char.encode('runoob', 'cp500') |
encode() | 数组元素依次调用str.encode np.char.decode(a,'cp500') |
函数：
舍入函数：numpy.around(a,decimals)
三角函数：sin()、cos()、tan()
下舍整数： numpy.floor()
上入整数： numpy.ceil()
倒数： numpy.reciprocal() 函数返回参数逐元素的倒数
幂函数： numpy.power() np.power(a,2) np.power(a,b) [10,100,1000][1,2,3]
加减乘除：add()，subtract()，multiply() 和 divide() np.add(a,b)
余数： numpy.mod() numpy.remainder()
最大值最小值（axis=None,0,1）： numpy.amin() 和 numpy.amax()
最大值最小值差： numpy.ptp()
百分位数，表示小于这个值的观察值的百分比: numpy.percentile(a, q, axis)
中位数： numpy.median()
均值： numpy.mean()
加权平均： np.average([1,2,3, 4],weights = [4,3,2,1], returned = True) returned 参数设为 true，则返回权重的和
标准差： std = sqrt(mean((x - x.mean())**2)) ； np.std([1,2,3,4])
方差：np.var([1,2,3,4])排序：
| 种类 | 速度 | 最坏情况 | 工作空间 | 稳定性 |
|---|---|---|---|---|
'quicksort'（快速排序） | 1 | O(n^2) | 0 | 否 |
'mergesort'（归并排序） | 2 | O(n*log(n)) | ~n/2 | 是 |
'heapsort'（堆排序） | 3 | O(n*log(n)) | 0 | 否 |
numpy.sort(a, axis, kind, order)
numpy.argsort() 函数返回的是数组值从小到大的索引值
numpy.argmax() 和 numpy.argmin()函数分别沿给定轴返回最大和最小元素的索引
numpy.nonzero() 函数返回输入数组中非零元素的索引。
numpy.where() 函数返回输入数组中满足给定条件的元素的索引。
numpy.lexsort() 用于对多个序列进行排序
numpy.extract() 函数根据某个条件从数组中抽取元素，返回满条件的元素。
| 函数 | 描述 |
|---|---|
| msort(a) | 数组按第一个轴排序，返回排序后的数组副本。np.msort(a) 相等于 np.sort(a, axis=0)。 |
| sort_complex(a) | 对复数按照先实部后虚部的顺序进行排序。 |
| partition(a, kth[, axis, kind, order]) | 指定一个数，对数组进行分区 |
| argpartition(a, kth[, axis, kind, order]) | 可以通过关键字 kind 指定算法沿着指定轴对数组进行分区 |
副本和视图：
简单的赋值不会创建数组对象的副本。 b = a
ndarray.view() 方会创建一个新的数组对象。
使用切片创建视图修改数据会影响到原始数组
ndarray.copy() 函数创建一个副本 。
矩阵：
numpy.matlib.empty(shape, dtype, order)
numpy.matlib.zeros((2,2))
numpy.matlib.ones((2,2))
numpy.matlib.eye(n, M,k, dtype) 对角线元素为 1，其他位置为零
numpy.matlib.identity(5, dtype = float) 函数返回给定大小的单位矩阵
numpy.matlib.rand(3,3) 函数创建一个给定大小的矩阵，数据是随机填充的。线性代数：
| 函数 | 描述 |
|---|---|
dot | 两个数组的点积，即元素对应相乘。 |
vdot | 两个向量的点积 |
inner | 两个数组的内积 |
matmul | 两个数组的矩阵积 |
determinant | 数组的行列式 |
solve | 求解线性矩阵方程 |
inv | 计算矩阵的乘法逆矩阵 |
matplotlib：
加载下载的字体：# zhfont1 = matplotlib.font_manager.FontProperties(fname="SimHei.ttf")
系统字体：a=sorted([f.name for f in matplotlib.font_manager.fontManager.ttflist])
plt.title("Matplotlib demo")
plt.xlabel("x axis caption")
plt.plot(x,y,"ob")
plt.show()
plt.subplot(2, 1, 1)
plt.subplot(2, 1, 2)
plt.bar(x, y, align = 'center')
plt.bar(x2, y2, color = 'g', align = 'center')
hist,bins = np.histogram(a,bins = [0,20,40,60,80,100]) 数据的频率分布的图形表示。 水平尺寸相等的矩形对应于类间隔，称为 bin，变量 height 对应于频率。
plt.hist(a, bins = [0,20,40,60,80,100])
扫一扫
2465
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
