常用属性

|---------|---------------|
| 轴 | arr1.ndim |
| 维度 | arr1.shape |
| 元素类型 | arr1.dtype |
| 元素个数 | arr1.size |
| 元素占用字节数 | arr1.itemsize |

创建numpy的ndarray对象

1.把python列表转成ndarray对象

my_list = $xx,xx,xx,x,$

arr2 = np.array(my_list)

2.arange()函数创建ndarray对象

arange(起始，结束，步长，dtype=类型) 包左不包右

arr3 = np.arrange(0,10,2,dtype=np.int64)

3.随机数生成ndarray对象

3.1 random.rand() 生成 0.0~1.0 之间，包左不包右随机小数矩阵

arr4 = np.random.rand(3.5) # 3行5列

3.2 random.randint( 起始值, 结束值, size=(行, 列)) 生成指定范围，包左不包右，随机整数矩阵

arr5 = np.random.randint(3, 9, size=(2, 6))

3.3 random.uniform( 起始值, 结束值, size=(行, 列)) 生成指定范围，包左不包右随机小数矩阵

arr6 = np.random.uniform(3, 9, size=(2, 6))

numpy的类型转换 astype()

arr8 = arr7.astype(np.float32)

等比、等差数列

等比数列

np.logspace(起始指数值，结束指数值，元素个数，base=以哪个数为底)

#底数默认为10

等差数列

np.linspace(起始值，结束值，元素个数，endpoint=Ture/False)

#endpoint决定是否包含结束值，默认包含

内置函数

|-----------------------------------------|-------------------|
| np.random.randn(行, 列) | 创建标准正态分布的序列 |
| np.ceil( arr ) | 向上取整，比它大的，最小的那个整数 |
| np.floor( arr ) | 向下取整，比它小的，最大的那个整数 |
| np.rint( arr ) | 四舍五入 |
| np.abs() | 绝对值 |
| np.multiply(arr1, arr2) 等价 arr1 * arr2 | 对应位置的元素相乘，行列数一致 |
| np.divide(arr1, arr2) | 对应位置的元素相除，行列数一致 |
| np.where(条件,成立返回结果，不成立返回结果) | 类似python中的三元表达式 |

统计函数

参数是number 或array

|--------------|----------------------------|
| np.mean() | 所有元素的平均值 |
| np.sum() | 所有元素的和 |
| np.max() | 所有元素的最大值 |
| np.min() | 所有元素的最小值 |
| np.std() | 所有元素的标准差 |
| np.var() | 所有元素的方差 |
| np.argmax() | 最大值的下标索引值 |
| np.argmin() | 最小值的下标索引值 |
| np.cumsum() | 返回一个一维数组，每个元素都是之前所有元素的累加和 |
| np.cumprod() | 返回一个一维数组，每个元素都是之前所有元素的累乘和 |

去重、排序函数、矩阵运算

|-----------------------------------|-----------------------|
| np.unique( arr ) | 去重，返回新副本 |
| np.sort( arr ) | 排序，返回新副本 |
| arr.sort() | 排序，直接修改原数组 |
| arr1+arr2 | 对应元素相加 |
| arr1-arr2 | 对应元素相减 |
| arr1 @ arr2 等价 np.dot(arr1, arr2) | 矩阵乘法，arr1的列数等于arr2的行数 |

numpy学习