NDarray(n维数组)基本属性

numpy.array(object, dtype = None, copy = True, order = 'K', subok = False, ndmin = 0)

属性 说明
ndim 返回int，表示数组的维度
shape 返回tuple，表示数组的尺寸，对于n行m列的尺寸，形状为(n, m)
size 返回int，表示数组元素总数，等于数组形状的乘积
dtype 返回data-type，描述数组中元素的类型
itermsize 返回int，表示数组的每个元素的大小（单位为字节）

创建数组的特殊方式

表达式 含义 示例输出
np.arange(start, stop, step) 等差数组（不含 stop） [0.0, 0.1, ..., 0.9]
np.linspace(start, stop, num) 等间隔数组（含 stop） [0, 1, ..., 10]
np.logspace(start, stop, num) 10的幂次数组 [1, 10, 100, 1000]
np.logspace(..., base=2.0) 自定义底数的幂次数组 [1, 2, 4, 8, 16]
函数 作用 示例输出形状 示例输出内容
np.zeros((2,3)) 全 0 数组 (2, 3) 全为 0.0
np.eye(3) 单位矩阵 (3, 3) 对角线为 1，其余为 0
np.identity(3) 单位矩阵（同上） (3, 3) 同上
np.diag([...]) 对角矩阵 (5, 5) 对角线为传入列表元素
np.ones((3,5)) 全 1 数组 (3, 5) 全为 1.0

numpy数据类型

random随机数

用法 功能 范围/备注
np.random.random(size) 浮点数组 [0.0, 1.0) 均匀分布
np.random.rand(d0,d1,...) 同上，语法更简洁 均匀分布
a * np.random.random(...) + b 自定义区间 [b, a+b) 线性变换
np.random.randint(low, high, size) 整数数组 [low, high) 离散均匀
np.random.choice(arr, size, p=...) 带概率采样 可放回
函数 最简调用示例 功能一句话 关键参数说明
seed np.random.seed(42) 固定全局随机种子，保证结果可复现 任意整数值
permutation np.random.permutation(10) 返回 0‒9 的新随机排列 传整数 n 相当于 np.arange(n)；传数组则返回洗牌后的拷贝
shuffle np.random.shuffle(x) 原地打乱序列 x（列表或 ndarray） 无返回值，注意 axis=0 仅打乱第 0 轴
binomial np.random.binomial(n=10, p=0.3, size=1000) 二项分布 B(n, p)：掷 n 次硬币出现正面次数 n 试验次数，p 成功概率，size 输出形状
normal np.random.normal(loc=0, scale=1, size=(2,3)) 正态分布 N(μ, σ²)：均值 loc，标准差 scale 默认标准正态
beta np.random.beta(a=2, b=5, size=1000) Beta 分布，定义于 (0,1)，常用于贝叶斯 a, b 为形状参数
chisquare np.random.chisquare(df=3, size=1000) 卡方分布 χ²(df) df 自由度
gamma np.random.gamma(shape=2, scale=2, size=1000) Gamma 分布，尺度参数 scale（θ） shape=k 即形状参数
uniform np.random.uniform(low=0, high=1, size=1000) 连续均匀分布 U(low, high) 默认 [0,1)，可改任意区间 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
# seed 复现解释
import numpy as np
# 固定随机种子
np.random.seed(42)
# 生成 5 个标准正态随机数
a = np.random.normal(size=5)
print('第一次运行:', a)
# 把种子再设成一样的值
np.random.seed(42)
# 再生成 5 个
b = np.random.normal(size=5)
print('第二次运行:', b)
# 两次结果完全一致
print('是否完全一样？', np.array_equal(a, b)) # 输出True,两次结果一致

Index索引

1
2
3
4
5
6
7
8
import numpy as np
ary = np.arange(10) # ary: [0 1 2 3 4 5 6 7 8 9]
print(ary[4]) # 4
print(ary[-4]) # 6
print(ary[1:3]) # [1 2]
print(ary[:3]) # [0 1 2]
print(ary[1:]) # [1 2 3 4 5 6 7 8 9]
print(ary[1:9:2]) # [1 3 5 7]

同样多维数组也能进行类似操作（善用python语句中的:）

函数 一句功能描述 返回拷贝还是视图？ 典型示例
reshape 把数组改成指定形状（元素总数不变） 视图（若不可行则自动拷贝） a.reshape(2, 3)
ravel 把数组拉成 1-D，尽可能返回视图 视图（连续时）否则拷贝 a.ravel()
flatten 把数组拉成 1-D，永远返回拷贝 拷贝 a.flatten()
函数 堆叠方向 等价于 concatenate 的 axis
np.hstack((a1, a2)) 水平（列方向） axis=1（二维及以上）
np.vstack((a1, a2)) 垂直（行方向） axis=0
np.concatenate((a1, a2), axis=0) 任意方向，由 axis 指定 通用底层接口
函数 切分方向 等价 split 写法 常用示例
np.hsplit 沿 列（水平）切 np.split(..., axis=1) np.hsplit(a, 2) 把 a 平均切成 2 份
np.vsplit 沿 行（垂直）切 np.split(..., axis=0) np.vsplit(a, 3) 把 a 按行切成 3 份
np.split 通用，可指定任意 axis np.split(a, 份数, axis=?) np.split(a, 2, axis=2) 深度方向切

Matrix矩阵

属性 全称 作用 适用对象 备注
.T transpose 转置（行列互换） ndarray 复数矩阵也不取共轭
.H hermitian 共轭转置（转置 + 复共轭） np.matrix 或 ndarray 对实矩阵等价于 .T
.I inverse 逆矩阵 np.matrix 普通 ndarray 没有 .I，需用 np.linalg.inv
.A asarray 把 np.matrix 里的数据转成普通 2-D ndarray 视图 np.matrix 方便混用矩阵与数组语法

Operation操作

Math数学

函数 功能一句话 示例 备注
np.ceil(x) 向上取整（≥x 的最小整数） np.ceil(3.2) → 4.0 返回浮点
np.floor(x) 向下取整（≤x 的最大整数） np.floor(3.8) → 3.0 返回浮点
np.radians(x) 角度 → 弧度 np.radians(180) → π 等价于 deg2rad
np.degrees(x) 弧度 → 角度 np.degrees(np.pi) → 180.0 等价于 rad2deg
np.cos(x) 余弦 np.cos(np.pi) → -1.0 输入须为弧度
np.sin(x) 正弦 np.sin(np.pi/2) → 1.0 输入须为弧度
np.tan(x) 正切 np.tan(np.pi/4) → 1.0 输入须为弧度
np.exp(x) 自然指数 eˣ np.exp(1) → 2.718…
np.log(x) 自然对数 ln(x) np.log(np.e) → 1.0 换底用 log(x)/log(b)
np.power(x, y) 或 x**y x 的 y 次幂 np.power(2, 3) → 8 可数组广播
np.fabs(x) 绝对值（浮点） np.fabs(-3.14) → 3.14 返回 float
np.sqrt(x) 平方根 np.sqrt(9) → 3.0 负值返回 nan
np.trunc(x) 向 0 截断小数 np.trunc(-2.7) → -2.0 等价 fix
np.isnan(x) 判断 NaN np.isnan(np.nan) → True 数组版可批量检测

I/0输入输出

Char字符

Analysis数据分析