np.where(condition,x,y)若x,y是值，那麼就是condition正確，陣列的值變為x若不正確則數值變為y
np.where(condition) 返回滿足條件的值的x，y值。
np.amin(shuzu,0/1)一維陣列找最小值，二維陣列需要指定行或列，1是找行最小的，0是找列最小的。
np.amax()與np.amin相反找的是最大的值
np.concatenate（（a，b），axis）對陣列進行拼接。axis為0是按行拼接，為1是按列拼接。沒有宣告就是在a的基礎上進行拼接。
t=np.array([[3,4,1,1],[5,6,1,1]])
q=np.array([7,8]).reshape((2,1))
print(t*q)
[[21 28 7 7]
[40 48 8 8]]
陣列的相乘是和相加是行對行的，
t=np.matrix([[3,4,1,1],[5,6,1,1]])
q=np.matrix([7,8])
# t=np.array([[3,4,1,1],[5,6,1,1]])
# q=np.array([7,8]).reshape((2,1))
print(t*q) 會報錯，因為matrix為矩陣相乘，必須滿足矩陣相乘的規則，
t=np.matrix([[3,4],[5,6]])
q=np.matrix([7,8]).reshape(2,1)
#q=np.matrix([7,8]).t
print(t*q)
[[53]
[83]]
np.divide相當於兩個陣列相除，是整除，不帶小數
test=np.array([[2,2,6],[4,5,6]]) 這裡是兩行三列，可以除以兩行一列，兩行三列，一行三列。
mn=np.matrix([2,1]).t
test/mn=np.divide(test,mn)結果為
[[1 1 3]
[2 2 3]]
np.true_divide(test,mn)是除，帶小數結果為
[[1. 1. 3. ]
[2. 2.5 3. ]]
[u,s,v]np.linalg.svd（a）是奇異值分解，對矩陣a得到三個矩陣，分別為左奇異值，奇異值和右奇異值。
a是m*n u是m*n s是對角線矩陣（除了對角線其他都是0）可以是一維的 v是n×n的矩陣
np.prod()函式用來計算所有元素的乘積，對於有多個維度的陣列可以指定軸，如axis=1指定計算每一行的乘積。
np.prod(2,4)為8
np.prod([[2,4],[1,3]])為24
np.prod([[2,4],[1,3]],axis=1)為[8,3]
np.prod([[2,4],[1,3]],axis=0)為[2,12]
np.maximum：(x, y, out=none)
x 與 y 逐位比較取其大者；
最少接收兩個引數
np.maximum([2,1],[1,3])為[2,3]
np.linalg.eig()和np.linalg.eigh()
用來求解特徵分解，其中eig()主要是用來求解方陣，而eigh()是用來求解對稱陣，可見numpy中對於對稱陣的求解是有獨特的一套方法。
並且eigh()得到的特徵值有嚴格的公升序排列的。
np.diag()
受輸入影響，輸出的結果不同。
當輸入的是一維陣列，結果是以該一位陣列為對角線的矩陣。
當輸入的是二維陣列，結果是輸出該矩陣的對角線元素的一維陣列。
numpy使用記錄
np.maximum 傳入兩個列表，維度一致，不一致時，進行廣播。逐一比較大小，取較大值。np.max a,axis none,out none,keepdims false 求序列的最值 最少接收乙個引數 axis 預設為列向 也即 axis 0 axis 1 時為行方向的最值 np.where ...
numpy函式記錄
功能 產生size個離散均勻分布的整數，這些整數大於等於low，小於high。預設high是none,如果只有low，那範圍就是 0,low 如果有high，範圍就是 low,high n 3a np.random.randint 20,40,n,2 astype np.float32 b np.r...
numpy基本使用
參考文獻 官方幫助文件 numpy v1.12 manual csdn numpy之四 高階索引和索引技巧 from numpy import definit array print 建立一維陣列 a arange 5 print a print a.dtype 顯示陣列中的資料型別 print a...