一、创建数组

1、array  ：它用于创建一维或多维数组    （array 数组）

import numpy as np

np.array([1,2,3,4,5])

----------------

array([1, 2, 3, 4, 5, 6])

还可以使用此函数将pandas的df转为NumPy数组。

data={'小写':['a','b','c'],'大写':['A','B','C']}        

df=pd.DataFrame(data)

np.array(df)

2、arange  ：在给定的间隔内 返回具有一定步长的整数。  （arange 排列）

step:数值步长。

np.arange(5,10,2)

-----------------------

array([5, 7, 9])

3、Linspace  ：创建一个具有指定间隔的浮点数 的数组。  （lin-space 林空间）

start:起始数字   end:结束    Num:要生成的样本数

np.linspace(10,100,10)

--------------------------------

array([ 10.,  20.,  30.,  40.,  50.,  60.,  70.,  80.,  90., 100.])

4、random.randint  ：在一个范围内生成n个随机整数样本。  必记（random.rand-int） 

（start:起始数字  end:结束  Num:要生成的样本数）

（1）np.random.randint(0,10,5)

------------------------------

[8, 6, 3, 2, 0]

（2）np.random.randint(4, 9, size=(3, 5))         生成一个三行五列的正数矩阵

------------------------------

array([[5, 7, 7, 4, 4],

       [4, 6, 7, 8, 4],

       [5, 7, 6, 7, 7]])

5、zeros  ：np.zeros会创建一个全部为0的数组。  （zero + s）

shape:阵列的形状。  

(1)np.zeros((2,3),dtype='int')

---------------

array([[0, 0, 0],

       [0, 0, 0]])

(2)np.zeros(5)

-----------------

array([0., 0., 0., 0., 0.])

6、ones  ：np.ones函数创建一个全部为1的数组。  （one + s）

np.ones((3,4))

------------------

array([[1., 1., 1., 1.],

       [1., 1., 1., 1.],

       [1., 1., 1., 1.]])

7、full  ：创建一个单独值的n维数组。fill_value:填充值。

np.full((2,4),fill_value=2)

--------------

array([[2, 2, 2, 2],

       [2, 2, 2, 2]])

二、数组操作

8、min  ：返回数组中的最小值。

axis:用于操作的轴。      out:用于存储输出的数组。

arr = np.array([1,1,2,3,3,4,5,6,6,2])

np.min(arr)

----------------

1

9、max  ：返回数组中的最大值。

np.max(arr)

------------------

6

10、mean  ：返回数组的平均数

np.mean(arr,dtype='int')

-------------------------------

3

11、medain  ：返回数组的中位数。

arr = np.array([[1,2,3],[5,8,4]])

np.median(arr)

-----------------------------

3.5

12、sort  ：对数组排序。

kind:要使用的排序算法。  {'quicksort', 'mergesort', 'heapsort', 'stable'}

arr = np.array([2,3,1,7,4,5])

np.sort(arr)

----------------

array([1, 2, 3, 4, 5, 7])

13、abs  ：返回数组中元素的绝对值。当数组中包含负数时,它很有用。

A = np.array([[1,-3,4],[-2,-4,3]])

np.abs(A)

---------------

array([[1, 3, 4],

       [2, 4, 3]])

14、合并  ：Union1d函数将两个数组合并为一个。

a = np.array([1, 2, 3, 4, 5])

b = np.array([1, 3, 5, 4, 36])

np.union1d(a,b)

-------------------

array([ 1,  2,  3,  4,  5, 36])

15、重复的元素   

np.repeat('2017',3)

---------------------

array(['2017', '2017', '2017'])

16、unique  ：返回一个所有唯一元素排序的数组。

return_index:如果为True,返回数组的索引。

return_inverse:如果为True,返回唯一数组的下标。

return_counts:如果为True,返回数组中每个唯一元素出现的次数。

axis:要操作的轴。默认情况下,数组被认为是扁平的。

np.unique(arr,return_counts=True)

---------------------

(

 array([1, 2, 3, 4, 5, 6]),             ## Unique elements

 array([2, 2, 2, 1, 1, 2], dtype=int64) ## Count

)

三、保存和加载数据  （savetxt 、 loadtxt）

17、保存  ：savetxt 用于在文本文件中保存数组的内容。

arr = np.linspace(10,100,500).reshape(25,20)

np.savetxt('array.txt',arr)

18、加载  ：loadtxt用于从文本文件加载数组,它以文件名作为参数。

np.loadtxt('array.txt')

四、切片、索引

19、切片       （与python的切片语法相同：左闭右开）

a = np.arange(10)

# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

b = a[2:]      # 从索引 2 开始到结束

c = a[2:7]      # [2,7)之间的元素

d = a[2:7:2]    # 从索引 2 开始到索引 7 停止，间隔为 2

20、高维切片     （ ...用来表示高维情况下，选中该维度的所有数据，并与其他维度选取结果取交集）

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

print (a[...,1])      # 第2列元素

print (a[1,...])      # 第2行元素

print (a[...,1:])     # 第2列及剩下的所有元素

# 切片 ":" 或 "..." 与索引数组组合

b = a[1:3, 1:3]    # 位于第2，3行且第2,3列部分的元素

21、索引      

a = np.arange(10)       # [0 1 2 3 4 5 6 7 8 9]

b = a[5]

#输出： 5   （获取数组中第6个位置的元素）

x = np.array([[1, 2],  [3, 4],  [5, 6]])

y = x[[0,1,2],  [0,1,0]]  # 索引结果1维

y

#输出： [1  4  5]     （获取数组中(0,0)，(1,1)和(2,0)位置处的元素）