numpy2

1、通用函数，是一种在ndarray数据中进行逐元素操作的函数。某些函数接受一个或多个标量数值，并产生一个或多个标量结果，通用函数就是对这些函数的封装。

　　1、常用的一元通用函数有：abs\fabs　　sqrt 　　square　　exp　　log\log2\log10\log1p　　sign　　ceil　　floor　　rint　　modf　　isnan　　sin\cos\tan\sinh\cosh\tanh　　arccos\arctan\arcsin　　logical_not

　　2、二元通用函数：add　　subtract　　multiply　　divide、floor_divide　　power　　maximun、fmax　　minimun、fax　　mod　　copysign　　greater、greater_equl、less　　

2、将条件逻辑作为数组操作，np.where函数，其是三元表达式 x if condition else y的向量化版本。

　　

 xarr = np.array([1.1, 1.2, 1.3, 1.4, 1.5])
 yarr = np.array([2.1, 2.2, 2.3, 2.4, 2.5])
 cond = np.array([True, False, True, True, False])
 result = np.where(cond, xarr, yarr)　　　　　　　　　　　　# result中的元素来源：若cond中为True，返回xarr中对应元素，否则返回yarr中的元素。
 result
 Out[59]:
 >>>array([1.1, 2.2, 1.3, 1.4, 2.5])

3、数学和统计方法

　　1、聚合函数(又称缩减函数)：例如sun、mean、std、var等等，mean、sum等可以接受一个可选参数 axis，用于计算指定轴上的统计值，axis =0计算行方向，axis =1计算列方向。

　　2、其他基础统计方法，min，max 　　argmin,argmin 返回最小值、最大值的索引值　　cumsum\cumprod 从0、从1开始计算累计值

4、布尔值数组的方法

　　1、sum()可以用来统计布尔数组中的True的个数

 arr = np.random.randn(100)
 (arr > 0).sum()
 Out[62]:
 >>>46

　　2、对于布尔值数组，有两个比较有用的方法：any()检查数组中是否至少有一个True, all()检查是否每个值都是True

 bools = np.array([False, False, True, False])
 print(bools.any())
 print(bools.all())
 True
 False

5、排序

　　1、sort(x),直接使用 x.sort()的形式，在原数组上进行操作，使用np.sort(x)的形式返回的是已经排序好的数组拷贝。

6、唯一值与其他集合操作

　　1、np.unique(x) ,返回的是数组中唯一值排序后形成的数组；

　　2、np.in1d(x)，检查一个数组中的值是否存在于另外一个数组中，返回一个布尔值数组；

　　其他数组集合操作：intersect1d(x,y) 计算交集并排序；union1d(x,y)计算并集并排序；setdiff1d（x,y）差集；setxor1d(x,y)异或集

7、使用数组进行文件输入和输出

　　np.load()加载　　np.save()保存

8、线性代数

　　1、矩阵乘法，NumPy中，” * “表示逐元素相乘，矩阵乘法用dot()函数，x.dot(y)或者np.(x,y)

　　2、numpy.linalg 矩阵分解的标准函数集，常用函数有：dot　　diag　　trace 计算对角元素和　　eig 计算仿真的特征值和特征向量　　inv 求逆　　qr 计算QR分解　　svd 计算奇异值分解(SVD)　　solve 求解x的线性系统　　　　　　lstsq 计算最小二乘解

9、伪随机数生成

　　1、numpy.random模块补充了python内建的random模块的不足，可以高效地生成多种概率分布下地完整样本数据值。

　　random下的部分常用函数：

　　seed 向随机数生成器传递随机状态种子； permutation 返回一个随机序列的随机排列，或者返回一个乱序的整数范围序列　；　shufffle 随机排列一个序列

　　rand 从均匀分布中抽取样本　　randint 从给定的范围内随机抽取整数　　randn 从均值0方差1的正态分布中抽取样本　　binomial从二项分布中抽取样本

　　noamal 从高斯分布中抽取样本　　　　beta 从beta分布中抽取样本　　chisquare 从卡方分布中抽取样本　　gamma 从伽马分布中抽取样本　　uniform 从[0,1]均匀分布中抽取样本