以下是关于numpy数组生成、计算、索引、统计、保存的常用api备忘。
数组生成：
-
np.arange(0,10)生成[0,10)的顺序矩阵 -
np.zeros((3,2))生成尺寸为(3,2)的全0矩阵 -
np.random.rand(4,3)# 0~1的随机小数矩阵，4行3列 -
np.random.randint(0, 10, size=5)# 随机数（5个）：第1个起始；第2个结束（不包括）；第3个随机数个数 -
np.random.randint(0, 10, size=(2, 5))# 随机数组/矩阵（5个）：第1个起始；第2个结束（不包括）；第3个随机数个数（行，列） -
np.random.seed(100)# 随机数种子，种子不变，每次生成的随机数也不变 - 或者使用
rs = np.random.RandomState(100)设置随机数种子，然后通过rs.rand(4)等方法来使用，生成四个随机数 -
np.random.random(5)# 随机数(float型)，5个 -
np.random.random((3, 5))# 随机数组/矩阵(float型)，（3行，5列） -
np.random.normal(size=5)# 正态分布的5个随机数 -
np.random.normal(size=(3, 5))# 正态分布的5个随机数组
数组变换
np.pad(a,((3,2),(2,3)),'constant',constant_values = (0,0))在a第0个维度，前面填3个0，后面填2个0；在a第1个维度，前面填2个0，后面填3个0
array([[95, 96],
[97, 98]])
array([[ 0, 0, 0, 0, 0, 0, 0],
[ 0, 0, 0, 0, 0, 0, 0],
[ 0, 0, 0, 0, 0, 0, 0],
[ 0, 0, 95, 96, 0, 0, 0],
[ 0, 0, 97, 98, 0, 0, 0],
[ 0, 0, 0, 0, 0, 0, 0],
[ 0, 0, 0, 0, 0, 0, 0]])数组选择
np.argwhere(condition)返回满足条件的索引
数组计算：
np.concatenate(x1,x2,axis=0)数组拼接- 按元素相乘：
a*b或np.multiply(a,b) - 矩阵乘法：
a@b或者np.dot(a,b) - 矩阵的张量积：
np.kron(a,b) data.T数组转置data.I矩阵求逆- 矩阵插入一行或一列
np.tile(data, repeat)矩阵复制, data为要实施复制的矩阵，repeat为各个维度分别重复的次数，例如：
t = np.array([1,2,3])
np.tile(t, [3,1])
Out:
array([[1, 2, 3],
[1, 2, 3],
[1, 2, 3]])数组统计：
a.argmax(axis=0)求每一行或每一列的最大值的索引np.argsort(R, axis=1)将array数组进行排序并获取排序后的索引（从小到大）a[:,-3:]获取数组每行的倒数前三位np.sum( ndarray == 1 )查询array中1的个数np.mean(t,axis=0)对列求平均
>>> a = np.array([[1, 2], [3, 4]])
>>> a
array([[1, 2],
[3, 4]])
>>> np.mean(a)
2.5
>>> np.mean(a, axis=0) # axis=0，计算每一列的均值
array([ 2., 3.])
>>> np.mean(a, axis=1) # 计算每一行的均值
array([ 1.5, 3.5])数组保存：
-
numpy.save("filename.npy",a)利用这种方法，保存文件的后缀名字一定会被置为.npy，这种格式最好只用numpy.load("filename")来读取。 -
numpy.savetxt("filename.txt",a)b = numpy.loadtxt("filename.txt")用于处理一维和二维数组
- 保存目录不存在的话创建目录：
import os
if not os.path.isdir(dir_name):
os.makedirs(dir_name)
