1、np.argmax()、np.max()、np.argmin()、np.min()用法：
2、np.where(condition[, x, y])
3、np.random中shuffle與permutation的區別
4、np.ascontiguousarray():返回和傳入的陣列類似的記憶體中連續的陣列
5、np.empty():返回沒有初始化的陣列，它的值是隨機的
6、np.newaxis：為陣列增加乙個軸
7、np.tile():將矩陣橫向、縱向地複製
8、np.sort()和np.argsort():第乙個返回從小到大的排序值，第二個返回從小到大的索引
9、np.cumsum()：返回當前列之前的和加到當前列上的陣列
argmax返回的是最大數的索引.argmax有乙個引數axis,預設是0。看二維的情況如下：
a = np.array([[1, 5, 5, 2],
[9, 6, 2, 8],
[3, 7, 9, 1]])
print(np.argmax(a, axis=0))
[1,2,2,1] # 返回列表的長度為最裡層元素的長度
a = np.array([[1, 5, 5, 2],
[9, 6, 2, 8],
[3, 7, 9, 1]])
print(np.argmax(a, axis=1))
[1,0,2] # 返回列表的長度為次裡層元素的長度
1)這裡x,y是可選引數，condition是條件，這三個輸入引數都是array_like的形式；而且三者的維度相同
2)當conditon的某個位置的為true時，輸出x的對應位置的元素，否則選擇y對應位置的元素；
3)如果只有引數condition，則函式返回為true的元素的座標位置資訊；
x = np.arange(9.).reshape(3, 3)
[[0. 1. 2.]
[3. 4. 5.]
[6. 7. 8.]]
print (np.where( x > 5 ))
(array([2, 2, 2]), array([0, 1, 2]))
返回值其實是:
x[2, 0], x[2, 1], x[2, 2]
shuffle直接在原來的陣列上進行操作，改變原來陣列的順序，無返回值。而permutation不直接在原來的陣列上進行操作，而是返回乙個新的打亂順序的陣列，並不改變原來的陣列。
x = np.arange(6).reshape(2,3)
print (np.ascontiguousarray(x, dtype=np.float32))
print (x.flags['c_contiguous'])
輸出：[[0. 1. 2.]
[3. 4. 5.]]
true
print (np.empty([2, 2]))
輸出：[[ 0.00000000e+000 -8.77796459e-313]
[ 1.40447433e-311 6.17582057e-322]]
x = np.arange(3)
print (x)
y=x[:, np.newaxis]
print (y)
輸出：array([0, 1, 2])
array([[0], [1], [2]])
a=np.array([[1,2], [3, 4]])
print (a)
[[1 2]
[3 4]]
print (np.tile(a, (1, 4))) # 從最深的維度擴充套件到原來的4倍
[[1 2 1 2 1 2 1 2]
[3 4 3 4 3 4 3 4]]
print (np.tile(a, (3, 1))) # 從次深的維度擴充套件到原來的3倍
[[1 2]
[3 4]
[1 2]
[3 4]
[1 2]
[3 4]]
print (np.tile(a, (3, 4))) # 首先最深的維度擴充套件4倍，然後次深的維度擴充套件3倍
[[1 2 1 2 1 2 1 2]
[3 4 3 4 3 4 3 4]
[1 2 1 2 1 2 1 2]
[3 4 3 4 3 4 3 4]
[1 2 1 2 1 2 1 2]
[3 4 3 4 3 4 3 4]]
a=np.array([1,3,2,4])
print (np.sort(a)) # 返回從小到大的排序
[1 2 3 4]
print (np.argsort(a)) # 返回從小到大的排序索引
[0 2 1 3]
print (np.argsort(-a)) # 返回從大到小的排序索引
[3 1 2 0]
a=[1,2,3,4,5,6,7]
print (np.cumsum(a))
[ 1 3 6 10 15 21 28]
c=[[1,2,3],[4,5,6],[7,8,9]]
print (np.cumsum(c,axis=0)) # 0(第一行不動，其他行累加)
[[ 1 2 3]
[ 5 7 9]
[12 15 18]]
print (np.cumsum(c,axis=1)) # 1(第一列列不動，其他列累加)
[[ 1 3 6]
[ 4 9 15]
[ 7 15 24]]
numpy常用函式總結
首先，安裝python的numpy庫，需要用到時，利用import numpy as np 以下都用np表示 匯入txt資料 np.loadtxt txt delimiter 這裡的檔案不限txt，如常用的csv也可以，後面delimiter為分隔符。另一種匯入資料方式可以直接用load，如對.np...
Numpy常用函式
1 把向量轉化為矩陣 import numpy as np a np.arange 15 構造出乙個從0到14的向量 檢視為 array 0,1,2,3,4,5,6,7,8,9,10,11,12,13,14 改變向量為三行五列的矩陣 a.reshape 3,5 結果為 array 0,1,2,3,4...
numpy常用函式
np.unique 去除重複值 np.c 按行按列合併陣列 np.searchsorted a,b 返回b有序插入在a中的位置索引 np.vectorize 向量化運算函式 np.percentile 取數列第百分分位的數值 np.array.any 和numpy.array.all np.arra...