python语法简洁吗,python 优雅明确简单

　　【Python】简单而不简单 Numpy小抄表(包括主要语法和代码)值得收藏_qq62985c01d4e12 _博客的技术博客

　　Numpy是用python实现的科学计算的扩展库，包括：

　　1.强大的n维数组对象数组；2.成熟(广播)函数库；3.集成C/C和Fortran代码的工具包；4.实用线性代数，傅立叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy一起使用更方便。NumPy(Numeric Python)提供了很多先进的数值编程工具，比如矩阵数据类型、向量处理、复杂的运算库等。它是专门为严格的数字处理而生产的。它被许多大型金融公司，以及劳伦斯利弗莫尔(Lawrence Livermore)等核心科学计算组织使用，NASA用它来处理一些原本用C、Fortran或Matlab完成的任务。

　　整理了一个Numpy的小抄表，总结了Numpy的常用操作，可以收藏起来慢慢看。

　　您可以通过Pip或Anaconda安装Numpy:

　　$ pip安装费或

　　$ conda安装numpy文章目录

　　基本占位符数组加减元素，合并数组，拆分数组，改变数组形状，复制/排序数组操作，其他数学计算，数学计算，基本统计的比较，更多切片和子集提示，基本NumPy最常用的函数之一是NumPy数组：列表和NumPy数组的主要区别在于功能和速度。

　　提供了list的基本操作，但是NumPy增加了FTTs、卷积、快速搜索、基本统计、线性代数、直方图等。

　　这两种数据科学最重要的区别是NumPy数组可以用于元素级的计算。

　　轴0通常指行。

　　轴1通常指列。

　　操作

　　形容

　　文件

　　np.array([1，2，3])

　　一维数组

　　https://numpy . org/doc/stable/reference/generated/numpy . array . html # numpy . array

　　np.array([(1，2，3)，(4，5，6)])

　　二维数组

　　https://numpy . org/doc/stable/reference/generated/numpy . array . html # numpy . array

　　np.arange(开始、停止、步进)

　　算术数组

　　https://docs . scipy . org/doc/numpy/reference/generated/numpy . arange . html

　　占位符操作

　　形容

　　文件

　　np.linspace(0，2，9)

　　向数组中添加一个算术值。

　　https://docs . scipy . org/doc/numpy/reference/generated/numpy . linspace . html

　　np.zeros((1，2))

　　创建一个全为0的数组。

　　docs . scipy . org/doc/numpy/reference/generated/numpy . zeros . html

　　np.ones((1，2))

　　创建一个全1的数组。

　　https://docs . scipy . org/doc/numpy/reference/generated/numpy . ones . html # numpy . ones

　　随机的

　　创建一个随机数数组。

　　https://docs . scipy . org/doc/numpy/reference/generated/numpy . random . random . html

　　np.empty((2，2))

　　创建一个空数组

　　https://numpy . org/doc/stable/reference/generated/numpy . empty . html

　　示例：将numpy作为np导入

　　# 1维度

　　x=np.array([1，2，3])

　　# 2维

　　y=np.array([(1，2，3)，(4，5，6)])

　　x=np.arange(3)

　　数组([0，1，2])

　　y=np.arange(3.0)

　　数组([ 0。 1. 2.])

　　x=np.arange(3，7)

　　数组([3，4，5，6])

　　y=np.arange(3，7，2)

　　数组([3，5])

　　属性数组属性语法

　　形容

　　文件

　　数组.形状

　　维度(行、列)

　　https://docs . scipy . org/doc/numpy/reference/generated/numpy . ndarray . shape . html

　　透镜(阵列)

　　数组长度

　　https://docs.python.org/3.5/library/functions.html#len

　　array.ndim

　　数组的维数

　　https://docs . scipy . org/doc/numpy/reference/generated/numpy . ndarray . ndim . html

　　数组.大小

　　数组中元素的数量

　　https://docs . scipy . org/doc/numpy/reference/generated/numpy . ndarray . size . html

　　数组. dtype

　　数据类型

　　https://docs.scipy.org/doc/numpy/reference/arrays.dtypes.html

　　array.astype(类型)

　　转换数组类型

　　https://docs . scipy . org/doc/numpy/reference/generated/numpy . ndarray . astype . html

　　类型(数组)

　　显示阵列类型

　　https://numpy.org/doc/stable/user/basics.types.html

　　复制/排序操作

　　形容

　　文件

　　np.copy(数组)

　　创建数组副本

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。收到。超文本标记语言

　　other=array.copy()

　　创建数组深拷贝

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。收到。超文本标记语言

　　数组。排序()

　　排序一个数组

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。排序。超文本标记语言

　　数组.排序(轴=0)

　　按照指定轴排序一个数组

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。排序。超文本标记语言

　　举例将数组作为铭牌导入

　　#排序按升序排序

　　y=np.array([10，9，8，7，6，5，4，3，2，1])

　　y.sort()

　　打印(y)

　　[ 1 2 3 4 5 6 7 8 9 10]数组操作例程增加或减少元素操作

　　描述

　　文档

　　附加(甲、乙)

　　增加数据项到数组

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。追加。超文本标记语言

　　插入(数组，1,2,轴)

　　沿着数组0轴或者一轴插入数据项

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。插入。超文本标记语言

　　np.resize((2，4))

　　将数组调整为形状(2,4)

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。调整大小。超文本标记语言

　　删除(数组，1,轴)

　　从数组里删除数据项

　　数字https://。组织/单据/稳定/参照/生成/数量。删除。超文本标记语言

　　举例将数组作为铭牌导入

　　#将项目追加到数组

　　a=np.array([(1，2，3)，(4，5，6)])

　　b=np.append(a，[(7，8，9)])

　　打印(二)

　　[1 2 3 4 5 6 7 8 9]

　　#从前一个数组中删除索引2

　　print(np.delete(b，2))

　　[1 2 4 5 6 7 8 9]组合数组操作

　　描述

　　文档

　　np.concatenate((a，b)，axis=0)

　　连接2个数组，添加到末尾

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。串联。超文本标记语言

　　np.vstack((a，b))

　　按照行堆叠数组

　　数字https://。组织/单据/稳定/参照/生成/数量。v栈。超文本标记语言

　　np.hstack((a，b))

　　按照列堆叠数组

　　文件。scipy。组织/单据/金额/参照/生成/金额。h栈。html # numpy。h堆栈

　　举例将数组作为铭牌导入

　　a=np.array([1，3，5])

　　b=np.array([2，4，6])

　　#按行堆叠两个数组

　　print(np.vstack((a，b)))

　　[[1 3 5]

　　[2 4 6]]

　　#按列堆叠两个数组

　　print(np.hstack((a，b)))

　　[1 3 5 2 4 6]分割数组操作

　　描述

　　文档

　　numpy.split()

　　分割数组

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。分裂。超文本标记语言

　　np.array_split(array，3)

　　将数组拆分为大小（几乎)相同的子数组

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。数组_拆分。html # numpy。数组_拆分

　　numpy。hs拆分(数组，3)

　　在第3个索引处水平拆分数组

　　数字https://。组织/单据/稳定/参照/生成/数量。他分裂了。html # numpy。hs拆分

　　举例#将数组分成约3组

　　a=np.array([1，2，3，4，5，6，7，8])

　　print(np.array_split(a，3))

　　[数组([1,2,3]),数组([4,5,6]),数组([7,8])]数组形状变化操作操作

　　描述

　　文档

　　other=ndarray.flatten()

　　平铺一个二维数组到一维数组

　　数字https://。组织/单据/稳定/参照/生成/数量。恩达拉雷。展平。超文本标记语言

　　numpy.flip()

　　翻转一维数组中元素的顺序

　　https://份文件。scipy。组织/单据/稳定/参照/生成/数量。翻转。超文本标记语言

　　np.ndarray[:-1]

　　翻转一维数组中元素的顺序

　　使再成形

　　改变数组的维数

　　https://份文件。scipy。组织/单据/稳定/参照/生成/数量。形状。超文本标记语言

　　挤压

　　从数组的形状中删除单维度条目

　　数字https://。组织/单据/稳定/参照/生成/数量。挤压。超文本标记语言

　　扩展_变暗

　　扩展数组维度

　　https://份文件。scipy。org/doc/numpy-1。13 .0/引用/生成/numpy。expand _ dims。超文本标记语言

　　其他操作

　　描述

　　文档

　　other=ndarray.flatten()

　　平铺2维数组到一维数组

　　数字https://。组织/单据/稳定/参照/生成/数量。恩达拉雷。展平。超文本标记语言

　　array=np.transpose(其他)数组1000吨。

　　数组转置

　　数字https://。组织/单据/稳定/参照/生成/数量。转置。超文本标记语言

　　inverse=np.linalg.inv(矩阵)

　　求矩阵的逆矩阵

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。Lina LG。发票。超文本标记语言

　　举例#寻找给定矩阵的逆矩阵

　　np.linalg.inv([[3，1]，[2，4]])

　　数组([[ 0.4,-0.1),

　　[-0.2, 0.3]])数学计算操作操作

　　描述

　　文档

　　加法(x，y) x y

　　加

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。补充。超文本标记语言

　　减去(x，y) x - y

　　减

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。减去。html # numpy。减去

　　除以(x，y) x/y

　　除

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。划分。html # numpy。划分

　　乘(x，y) x @ y

　　乘

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。倍增。html # numpy。多样地

　　np.sqrt(x)

　　平方根

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。sqrt。html # numpy。平方根计算

　　辛(十)

　　元素正弦

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。罪恶。html # numpy。犯罪

　　np.cos(x)

　　元素余弦

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。因为。html # numpy。余弦

　　np.log(x)

　　元素自然对数

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。日志。html # numpy。原木

　　np.dot(x，y)

　　点积

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。点。超文本标记语言

　　NP。根([1，0，-4])

　　给定多项式系数的根

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。根。超文本标记语言

　　举例

　　#如果将一维数组添加到二维数组（或相反)，NumPy

　　#选择维数较小的数组，并将其添加到一

　　#尺寸更大

　　a=np.array([1，2，3])

　　b=np.array([(1，2，3)，(4，5，6)])

　　print(np.add(a，b))

　　[[2 4 6]

　　[5 7 9]]

　　# NP。根示例

　　#考虑一个多项式函数(x-1)^2=x^2-2 * 1

　　#谁的根是1,1

　　NP。根([1，-2，1])

　　数组([1。 1.])

　　#类似地，当x=2时，x^2 - 4=0有根

　　NP。根([1，0，-4])

　　数组([-2。 2.])比较操作

　　描述

　　文档

　　等于

　　https://docs.python.org/2/library/stdtypes.html

　　不等于

　　https://docs.python.org/2/library/stdtypes.html

　　小于

　　https://docs.python.org/2/library/stdtypes.html

　　大于

　　https://docs.python.org/2/library/stdtypes.html

　　小于等于

　　https://docs.python.org/2/library/stdtypes.html

　　大于等于

　　https://docs.python.org/2/library/stdtypes.html

　　np.array_equal(x，y)

　　数组比较

　　数字https://。组织/单据/稳定/参照/生成/数量。数组_等于。超文本标记语言

　　举例：#使用比较运算符将创建布尔数字数组

　　z=np.array([1，2，3，4，5，6，7，8，9，10])

　　c=z 6

　　打印(三)

　　[真实真实真实真实虚假虚假虚假虚假虚假]基本的统计操作

　　描述

　　文档

　　平均值（数组)

　　平均

　　数字https://。组织/单据/稳定/参照/生成/数量。卑鄙。html # numpy。意思是

　　中值(数组)

　　中位数

　　数字https://。组织/单据/稳定/参照/生成/数量。中位数。html # numpy。中位数

　　array.corrcoef()

　　相关系数

　　数字https://。组织/单据/稳定/参照/生成/数量。科尔科夫。html # numpy。相关系数

　　np。标准（数组)

　　标准偏差

　　https://份文件。scipy。组织/单据/金额/参照/生成/金额。STD。html # numpy。神学博士。

　　举例#数组的统计数据

　　a=np.array([1，1，2，5，8，10，11，12])

　　#标准偏差

　　打印(np.std(a))

　　4.2938910093294167

　　#中值

　　打印(np.median(a))

　　6.5更多操作

　　描述

　　文档

　　array.sum()

　　数组求和

　　数字https://。组织/单据/稳定/参照/生成/数量。总和。超文本标记语言

　　array.min()

　　数组求最小值

　　数字https://。组织/单据/稳定/参照/生成/数量。恩达拉雷。量滴超文本标记语言

　　array.max(轴=0)

　　数组求最大值（沿着0轴)

　　array.cumsum(轴=0)

　　指定轴求累计和

　　数字https://。组织/单据/稳定/参照/生成/数量。累计。超文本标记语言

　　切片和子集操作

　　描述

　　文档

　　数组[我]

　　索引我处的一维数组