• 常用方法
  • math
  • data plot
  • logic
  • sort
  • I/O
  • linear algebra
  • Random number generation
• matrix
• array

用python实现高效的数值计算，NumPy，会把类似矩阵乘法这样的复杂运算使用其他外部语言实现。

从外部计算切换回Python的每一个操作，仍然是一个很大的开销。如果用GPU来进行外部计算，这样的开销会更大。用分布式的计算方式，也会花费更多的资源用来传输数据

常用方法

row axis=1 col axis=0

• np.random.randn(2, 3) np.empty(10) np.ones(3) np.zeros(10) np.zeros((10,10)) np.eye(10)
• arr.shape arr.dtype arr.shape arr.ndim
• np.array(python_array)
• np.arange(15) np.arange(32).reshape((8, 4)) np.arange(-5, 5, 0.01) # 1000 equally spaced points
• arr.astype(np.float64) np.int32 np.string_ #convert dtype
• np_arr.copy() #copy arr or sub
• arr.min() arr.max()

feature

• Boolean indexing: data[names == 'Bob']; data[-(names == 'Bob')]; data[names == 'Bob', 2:]; mask = (names == 'Bob') | (names == 'Will')
• Fancy indexing: arr[rowarr, clo_arr][row_order_arr, col_order_arr] arr[np.ix(row_with_order_arr, col_with_order_arr)]

math

• np.allclose(A,B,equal_nan=True) #误差内相等e.g.:
• np.sqrt(arr)
• np.exp(arr)
• np.maximum(arr_A, arr_B)
• np.modf(arr) # return two arr_values
• arr.mean() np.mean(arr) arr.sum()
• arr.mean(axis=1) #row mean arr.sum(axis=0) # col sum
• arr.cumsum(0) arr.cumprod(1) #累加 累乘
• inf # 无穷

data plot

• np.meshgrid(points, points)

logic

• np.where(cond, xarr, yarr) # xarr_item if cond_item else yarr_item #@http://docs.scipy.org/doc/numpy/reference/generated/numpy.where.html
• x_arr_pos_index = np.where( x_arr > 0 )
• bool_arr.any() bool_arr.all()

unique and set logic

• np.unique(arr)
• np.set(arr)
• np.all() np.any() # 尽量不要用pandas的obj.any()和all
• np.in1d(values, [2, 3, 6]) #check values array items equal 2 or 3 or 6

sort

sort 最值有np.max(),np.min() 他们都有axis和out（输出）参数, 而通过np.argmax(), np.argmin()可以得到取得最大或最小值时的 下标。排序通过np.sort(), 而np.argsort()得到的是排序后的数据原来位置的下标

• arr.sort(0)#axis=0

I/O

• np.save('some_array', arr) np.load('some_array.npy')
• np.savez('array_archive.npz', a=arr, b=arr) arch = np.load('array_archive.npz') arch['b']
• !rm some_array.npy
• arr = np.loadtxt('array_ex.txt', delimiter=',')

linear algebra

• arr.T #Transposing arrays
• np.dot #矩阵内积 equal arr_x.dot(arr_y)
• inv(arr)
• q, r = qr(mat)

Random number generation

• np.random.seed # 指定随机数种子
• np.random.normal( mean, stdev, size=arr.shape ) :给出均值为mean,标准差为stdev的高斯随机数(场)
• np.random.standard_normal(arr.shape)
• [normalvariate(0, 1) for _ in xrange(N)]
• np.random.randint(0, 2, size=nsteps)
• np.argmax(arr, axis=1) # the max_item index

matrix

mat(arr-like)

python 的list是[item1,item2,..] numpy的是[[item..]... ]的形式

• matrix.T transpose：返回矩阵的转置矩阵
• matrix.H hermitian (conjugate) transpose：返回复数矩阵的共轭元素矩阵
• matrix.I inverse：返回矩阵的逆矩阵
• matrix.A base array：返回矩阵基于的数组

矩阵对象的方法：

• all([axis, out]) :沿给定的轴判断矩阵所有元素是否为真(非0即为真)
• any([axis, out]) :沿给定轴的方向判断矩阵元素是否为真，只要一个元素为真则为真。
• argmax([axis, out]) :沿给定轴的方向返回最大元素的索引（最大元素的位置）.
• argmin([axis, out]): 沿给定轴的方向返回最小元素的索引（最小元素的位置）
• argsort([axis, kind, order]) :返回排序后的索引矩阵
• astype(dtype[, order, casting, subok, copy]):将该矩阵数据复制，且数据类型为指定的数据类型
• byteswap(inplace) Swap the bytes of the array elements
• choose(choices[, out, mode]) :根据给定的索引得到一个新的数据矩阵（索引从choices给定）
• clip(a_min, a_max[, out]) :返回新的矩阵，比给定元素大的元素为a_max，小的为a_min
• compress(condition[, axis, out]) :返回满足条件的矩阵
• conj() :返回复数的共轭复数
• conjugate() :返回所有复数的共轭复数元素
• copy([order]) :复制一个矩阵并赋给另外一个对象，b=a.copy()
• cumprod([axis, dtype, out]) :返回沿指定轴的元素累积矩阵
• cumsum([axis, dtype, out]) :返回沿指定轴的元素累积和矩阵
• diagonal([offset, axis1, axis2]) :返回矩阵中对角线的数据
• dot(b[, out]) :两个矩阵的点乘
• dump(file) :将矩阵存储为指定文件,可以通过pickle.loads()或者numpy.loads()如:a.dump(‘d:\a.txt’)
• dumps() :将矩阵的数据转存为字符串.
• fill(value) :将矩阵中的所有元素填充为指定的value
• flatten([order]) :将矩阵转化为一个一维的形式，但是还是matrix对象
• getA() :返回自己，但是作为ndarray返回
• getA1()：返回一个扁平（一维）的数组（ndarray）
• getH() :返回自身的共轭复数转置矩阵
• getI() :返回本身的逆矩阵
• getT() :返回本身的转置矩阵
• max([axis, out]) ：返回指定轴的最大值
• mean([axis, dtype, out]) :沿给定轴方向，返回其均值
• min([axis, out]) ：返回指定轴的最小值
• nonzero() :返回非零元素的索引矩阵
• prod([axis, dtype, out]) :返回指定轴方型上，矩阵元素的乘积.
• ptp([axis, out]) :返回指定轴方向的最大值减去最小值.
• put(indices, values[, mode]) :用给定的value替换矩阵本身给定索引（indices）位置的值
• ravel([order]) :返回一个数组，该数组是一维数组或平数组
• repeat(repeats[, axis]) :重复矩阵中的元素，可以沿指定轴方向重复矩阵元素，repeats为重复次数
• reshape(shape[, order]) :改变矩阵的大小,如：reshape([2,3])
• resize(new_shape[, refcheck]) :改变该数据的尺寸大小
• round([decimals, out]) :返回指定精度后的矩阵，指定的位数采用四舍五入，若为1，则保留一位小数
• searchsorted(v[, side, sorter]) :搜索V在矩阵中的索引位置
• sort([axis, kind, order]) :对矩阵进行排序或者按轴的方向进行排序
• squeeze([axis]) :移除长度为1的轴
• std([axis, dtype, out, ddof]) :沿指定轴的方向，返回元素的标准差.
• sum([axis, dtype, out]) ：沿指定轴的方向，返回其元素的总和
• swapaxes(axis1, axis2):交换两个轴方向上的数据.
• take(indices[, axis, out, mode]) :提取指定索引位置的数据,并以一维数组或者矩阵返回(主要取决axis)
• tofile(fid[, sep, format]) :将矩阵中的数据以二进制写入到文件
• tolist() :将矩阵转化为列表形式
• tostring([order]):将矩阵转化为python的字符串.
• trace([offset, axis1, axis2, dtype, out]):返回对角线元素之和
• transpose(*axes) :返回矩阵的转置矩阵，不改变原有矩阵
• var([axis, dtype, out, ddof]) ：沿指定轴方向，返回矩阵元素的方差
• view([dtype, type]) :生成一个相同数据，但是类型为指定新类型的矩阵。

array

array(arr-like)

• arr.size