資料拼接
注意是兩個資料的拼接
當不輸入axis引數時，此時預設axis = none，兩個array的shape可以不一樣。否則會出錯。
當輸入axis引數時，其所對應axis值的shape被拼在一起，而其他的shape值應當一樣。
此時兩個array被拼接在了一起。
再來一例子：
可以看到是shape[2]（不同部分）被拼接了，但shape[0]和shape[1]（相同部分）沒變
另外concatenate不支援shape完全不同的array進行組合。
直接對乙個array進行concatenate也是可以的，這相當於將list轉為tuple後輸入。
改變資料的shape
第乙個引數為array，第二個引數為新的shape
reshape也可以作為array的成員函式來使用，只有newshape這個引數
newshape中可以有乙個dimension寫成-1
取最大最小值
輸入陣列a，依次對每個數進行最大最小值操作：a[i] = max(a[i], a_max); a[i] = min(a[i], a_min);
從檔案中讀取資料
dtype：資料型別
delimiter：分隔符，預設情況下會以空白符為分隔
會自動按矩陣的形式讀入，檔案中的一行對應矩陣中的一行
例子一：
例子二：
檔案：讀取：
將資料變成一維
對陣列element-wise地取平方
x2可以是數，也可以是和x1shape一樣的array
如：
返回array中值為非0元素的下標
如：注意：這裡返回tuple中有兩個array，第乙個array表示非零元素的第一維，第二個array表示非零元素的第二維，例如[0,0]表示第乙個非零元素1的下標
求非0元素的值：
按元素來表示，而不是按維度來表示：
condition為矩陣時，為true用x中的元素，為false用y中的元素（此時condition，x，y三個array的shape相同）
沒有condition引數，預設情況下為numpy.nonzero()
如：condition為矩陣時：
沒有condition引數的預設情況：
同樣沒有condition引數，還可以直接加判斷條件用：
Numpy常用方法和使用技巧
在python 3 環境下，根據切身使用numpy經驗，總結了一些小的常用的numpy方法和技巧。1.np.array 可將序列物件 如列表和元包 轉換為陣列，可以生成一維或多維陣列，生成多維陣列時要對齊。a 1,2,3 4,5,6 b np.array a 2.陣列與列表的相互轉換 a np.on...
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...