Python·Numpy库 | 常用函数大全（含注释）

Numpy是科学计算库，是一个强大的N维数组对象ndarray，是广播功能函数。其整合C/C++.fortran代码的工具 ，更是Scipy、Pandas等的基础。

ndarray数组的创建

数组的维度变换

数组的类型变换

数组的索引和切片

1. 一堆数组切片

a = np.array ([9, 8, 7, 6, 5, ]) 
a[1:4:2] –> array([8, 6]) ：a[起始编号：终止编号（不含）：步长]

2. 多维数组索引

a = np.arange(24).reshape((2, 3, 4)) 
a[1, 2, 3] 表示 3个维度上的编号， 各个维度的编号用逗号分隔

3. 多维度数组切片

a [：，：，：：2 ] 缺省时，表示从第0个元素开始，到最后一个元素 

数组的运算

数据的CSV文件存取

CSV (Comma-Separated Value,逗号分隔值) 只能存储一维和二维数组。

Eg：%d % .2f % .18e ; delimiter：分割字符串，默认是空格

np.savetxt(‘a.csv’, a, fmt=%d, delimiter = ‘,’ )

多维数据的存取

Eg: a = np.arange(100).reshape(5, 10, 2) 
a.tofile(“b.dat”, sep=”,”, format=’%d’)

PS: a.tofile() 和np.fromfile（）要配合使用，要知道数据的类型和维度。

numpy随机数函数

numpy 的random子库：

Eg： 

replace = False时，选取过的元素将不会再选取

Eg: a = np.random.uniform(0, 10, (3, 4)) 

a = np.random.normal(10, 5, (3, 4))

numpy的统计函数

Eg：

np.mean(a, axis =1) ：对数组a的第二维度的数据进行求平均 
a = np.arange(15).reshape(3, 5) 
np.average(a, axis =0, weights =[10, 5, 1]) : 对a第一各维度加权求平均，weights中为权重，注意要和a的第一维匹配

Eg：

a = [[15, 14, 13], 
[12, 11, 10] ] 
np.argmax(a) –> 0 
np.unravel_index( np.argmax(a), a.shape) –> (0,0)

numpy的梯度函数

np.gradient(a) ：计算数组a中元素的梯度，f为多维时，返回每个维度的梯度 
离散梯度：xy坐标轴连续三个x轴坐标对应的y轴值：a, b, c 其中b的梯度是（c-a）/2
而c的梯度是：(c-b)/1

当为二维数组时，np.gradient(a) 得出两个数组，第一个数组对应最外层维度的梯度，第二个数组对应第二层维度的梯度。 

图像的表示和变换

PIL， python image library 库 
from PIL import Image 
Image是PIL库中代表一个图像的类（对象）

im = np.array(Image.open(“.jpg”))im = Image.fromarray(b.astype(‘uint8’)) # 生成 im.save(“路径.jpg”) # 保存im = np.array(Image.open(“.jpg”).convert(‘L’)) # convert(‘L’)表示转为灰度图

End.

作者：TensorSense