Numpy

一、属性：

1. ndarray.shape 返回一个元组，里面是各个维度的size
2. ndarray.ndim 返回数组的维度
3. ndarray.dtype 返回数组数据的类型

二、方法：

1. np.array(x， dtype=complex) 接收一个数组， dtype指定数据类型，
2. np.zeros( (3,4) ) 接收一个代表数组维度size的元组
3. np.ones((3,4)) 同上
4. np.arange(10, 30, 5) 返回一个起始为10，每次增加5，一直到30但不包括30的数组（本例返回[10, 15, 20, 25]），一般会跟reshape配合使用。
5. np.linspace( 0, 2, 9 ) 将0-2分为九份
6. numpy.random.rand(d0, d1, ..., dn) Create an array of the given shape and populate it with random samples from a uniform distribution（均匀分布） over [0, 1).
7. numpy.random.randn(d0, d1, ..., dn) 功能与上面的类似，只不过randn是从标准正态分布中取值，如果不传入参数，则返回一个随机的数（取自标准正态分布）。要从

$$ N(\mu, \sigma^2) $$

中取值可以用这个公式sigma * np.random.randn(...) + mu

1. a.ravel() # returns the array, flattened
2. a.T # returns the array, transposed
3. a.reshape(3,-1) If a dimension is given as -1 in a reshaping operation, the other dimensions are automatically calculated
4. np.vstack((a,b))、np.hstack((a,b))
5. numpy.concatenate((a1, a2, ...), axis=0, out=None) Join a sequence of arrays along an existing axis. 按照指定的axis进行连接

13.np.hsplit(a,(3,4)) # Split a after the third and the fourth column；类似的还有np.vsplit，这个是按行拆分，上面是按列拆分；

14.

运算：

1. a+b a-b a*b 都是elementwise 运算；
2. a.dot(b) 矩阵相乘运算；
3. np.sin(a) 对矩阵a中的元素进行三角函数运算（类似的np.exp(a)、 np.sqrt(a)）；
4. a**2 幂运算
5. a<2 不等式运算。返回布尔值组成的数组，shape与a相同；
6. a.sum() a.min() a.max()，三者都可接收一个axis作为参数，返回特定axis的sum、min、max

Indexing, Slicing and Iterating

1. a[:6:2] = -1000 # equivalent to a[0:6:2] = -1000; from start to position 6, exclusive, set every 2nd element to -1000(从开始到位置6，但不包括a[6]，然后往前每隔一个设为-1000)
2. a[ : :-1] # reversed a，将a进行反转。a是一维数组。
3. 对于多维数组
   for row in b： row是每一行。
   for element in b.flat: element是每个元素。

Copies and Views

有三种情况：

1. No Copy at All，比如b=a，b只是a的引用，不会有新的object被创建，b is a 会返回True
2. View or Shallow Copy，比如c = a.view()，c is a返回False，但是c.base is a会返回True，c的值改变，会引起a的值改变，但是c的shape改变，不会引起a的shape改变；
3. Deep Copy，比如 d = a.copy()，d is a 与d.base is a 都会返回False，d是一个全新的对象，与a没有任何关系，d的改变不会引起a的改变。