搞不懂**的排版。。。
說明：0 ndarray ：多維陣列物件
1 np ：import numpy as np
2 nda ：表示陣列的名稱
函式名
描述
np.array
將輸入的資料轉換為ndarray,預設複製所有的輸入資料（深拷貝）
np.asarray
將輸入轉換為ndarray，如果輸入已經是ndarray則不再複製（淺拷貝）
np.arange
1 使用python的內建函式range，返回乙個陣列
2 建立等差陣列 — 指定步長 (start,stop, step, dtype)
np.linspace
建立等差陣列 — 指定數量 (start, stop, num, endpoint)
np.logspace
建立等比數列 (start,stop, num)
np.full
根據給定形狀和資料型別生成指定數值的陣列
np.full_like
生成與給定陣列形狀一致，但內容是指定數值的陣列
np.random.randn
產生的隨機數組服從正態分佈
np.random.normal
(loc, scale, size) 按照size的形狀返回均值為loc，標準差為scale的正態分佈陣列
random.standard_normal
(size) 生成size形狀的標準正態分佈陣列
np.random.rand
產生的隨機數組服從均勻分布
np.random.uniform
(low, high, size)均勻分布的陣列
np.random.randint
(low, high=none, size=none, dtype='l')從乙個均勻分布中隨機取樣，生成乙個整數或n維整數陣列
屬性名
屬性解釋（返回）
ndarray.shape
陣列形狀（元組）
ndarray.ndim
陣列維數
ndarray.size
陣列中所有元素的數量
ndarray.itemsize
乙個陣列元素的長度（位元組）
ndarray.dtype
陣列元素的型別
3.1 索引：從 0 計數
3.2 切片：物件[:, :] -- 先行後列
區別於 python 的 list ，陣列的切片是直接改動原陣列，這意味著資料並不被複製，如果想要乙份陣列切片的拷貝，需要先複製這個陣列，如 arr[5:7].copy()
方法
描述
nda.reshape(shape, order)
返回乙個具有相同資料域，但shape不一樣的檢視(相當於只進行資料重新劃分)。行、列不進行互換，新產生乙個ndarray
nda.resize(new_shape)
修改陣列本身的形狀（需要保持元素個數前後相同），行、列不進行互換，修改原來的ndarray
nda.t
陣列轉置
nda.astype(type)
返回修改了型別之後的陣列
nda.tostring()
轉化為字串
np.unique(物件)
陣列去重
分類
符號或函式
描述
邏輯運算
> , <, ==
通用判斷函式
np.all()
是否全部...
np.any()
是否有...
三元運算
np.where（條件，符合返回，不符合返回）
基礎統計方法
np.min(adn, axis)
最小np.max(adn, axis)
最大np.median(adn, axis)
中位數np.mean(adn, axis)
平均數np.std(adn, axis)
標準差np.var(adn, axis)
樣本方差
np.argmax(axis)
最大元素對應的下標
np.argmin(axis)
最小元素對應的下標
cumsum
從零開始元素累計和
cumprod
從零開始元素累計積
Numpy ndarray 多維陣列物件
numpy 最核心的特徵之一就是n維陣列物件 ndarray,它是python中乙個快速，靈活的資料集容器。陣列允許在整塊資料上進行數 算。比如利用矩陣來計算就比普通的運算快的多的多 首先我匯入乙個numpy,再生成乙個隨機數組 import numpy as np data np.random.r...
Numpy ndarray 多維陣列物件的使用
目前它是python數值計算中最為重要的基礎包，將numpy的陣列的物件作為資料互動的通用語，一般我們要充分理解好矩陣計算的原理，這需要你要有一些線性代數的基礎知識。在對資料處理 清洗 構造子集 過濾 變換以及其他計算的過程快速的進行向量化計算，後續也會介紹r語言，因為r語言就是乙個原生態基於向量化...
numpy ndarray掩碼操作
bool掩碼 掩出位置為true處的值 從大資料集中抽取出一小部分 e.g.抽取年齡大於40歲的學生 import numpy as np a np.arange 1,10 設定掩碼 mask true false true false true false true false true fals...