一.改变数组形态

reshape()——通过改变数组的维度改变数组形态

import numpy as np

Array=np.arange(1,17,1)
Array

Array_1=np.arange(1,17,1).reshape(4,4) #将数据从(16.)变为（4，4）
Array_1

Array_2=np.arange(1,17,1).reshape(4,2,2)#将数据从(16.)变为（4，2，2）
Array_2

展平

flatten（）flatten（'F'）——对数组进行横向或纵向展平

Array_1.flatten() #横向展平

Array_1.flatten('F') #纵向展平

切割

split（数组，分割轴，axis=0/1）——对数组进行横向或纵向切割

Array_a1,Array_b1=np.split(Array_1,2)  #axis=0 进行横向切割
print(Array_a1,'\n\n',Array_b1)

Array_a2,Array_b2=np.split(Array_1,2,axis=1)  #axis=0 进行纵向切割
print(Array_a2,'\n\n',Array_b2)

组合

concatenate（(数组1，数组2,….,数组3),aixs=0/1）对多个数组进行横或纵组合

np.concatenate((Array_1,Array_b1,Array_a1)) #aisx=0 进行横向组合

np.concatenate((Array_1,Array_b2,Array_a2),axis=1) #aisx=0 进行横向组合

二.ufunc数组通用运算规律

四则运算+幂运算

Array_1+Array_1 #加法

Array_1-Array_1 #减法

Array_1*Array_1 #乘法

Array_1/Array_1 #除法

Array_1**2 #幂运算

比较运算

Array_3=Array_1*2
print(Array_1>Array_3,'\n\n',Array_1>=Array_3) #> ,>=

print(Array_1<Array_3,'\n\n',Array_1<=Array_3) #< ,<=

Array_1==1

逻辑运算

NumPY中 all 表示逻辑and，any表示逻辑or

print([[1,2,3]]and[[1,0,2,3]])
np.all([[1,2,3]]==[[1,0,2,3]])

print([[1,2,3]]or[[1,0,2,3]])
np.any([[1,2,3]]==[[1,0,2,3]])

广播机制

在进行数组结构不相同的运算时

1.让所有输入数组向最长的数组看齐，shape（结构）不足的用1补齐

2.输出数组shape是输入数组shape各轴上的最大值

3.当数组之间某个轴相同,或一个=1。时可以运算,否则报错

4.当某个轴长度为1，沿这个轴使用轴上第一个数组

a=np.array([1,1,1])
b=np.array([[1],[2],[3]])
print(a,'\n\n',b)
a+b

三.随机数

random

NumPy中提供了random模块可以生成多种类型，概率的随机数

随机数生成

1.random（元素个数）——随机生成小于1的数

np.random.random(10)

2.rand（轴0，轴1，...轴n）——生成均匀分布的随机数

np.random.rand(2,2)

3.randn（轴0，轴1，...轴n）——生成服从正态分布的随机数

np.random.randn(2,2,2)

4.randint（起始值,终值，size=[轴0，轴1，...轴n]）——生成复合范围内的随机数

np.random.randint(1,5,[2,2,2])

数组轴的随机数

1.shuffle（数组）——对轴0随机排序，并改变数组

c=np.array([[1,2,3],[4,5,6],[7,8,9]])
c

np.random.shuffle(c)
c

2.permutation（数组）——对轴0改变，但不改变数组

c=np.array([[1,2,3],[4,5,6],[7,8,9]])
c

np.random.permutation(c)

随机数种子

seed （int）——定义随机数的种子，得到初始固定的随机数

np.random.seed(10)
np.random.rand(3,3)

np.random.seed(10)
np.random.rand(3,3)

四.统计分析

排序

sort（）——改变原数组，横向或纵向的直接排序

Array=np.array([[3,2,1],[6,8,9],[10,1,3]])
Array

Array.sort(axis=1) #aixs=1横向培训
Array

Array=np.array([[3,2,1],[6,8,9],[10,1,3]])
Array.sort(axis=0) #aixs=1纵向培训
Array

argsort（）——先排序，再排序后输出下标，不改变数组

Array=np.array([[3,2,1],[6,8,9],[10,1,3]])
Array.argsort()

lexsort（数组1，数组2……数组n）——多个数组在同轴上综合下标排序，不改变数组

a=np.array([3,2,1])
b=np.array([5,6,4])
c=np.lexsort((a,b))
c

b[c] #输出b数组的排序

a[c] #输出a数组的排序

去重复

unique（）——进行数组里的去重

a=np.array([1,1,2,3,4,4,5])
print(a,'\n\n',np.unique(a))

重复输出

repeat(次数，axis=0/1)——将数组进行横向或纵向克隆

注意：axis=0会将数组展平

print(Array)
print('\n',Array.repeat(2),'\n')
print(Array.repeat(2,axis=1))

常用统计函数

——都可以用axis=0或1来调整操作轴向

 

出处：https://www.cnblogs.com/tyh1999/p/13974578.html