• numpy函数查询手册


    创建
    数组

    函数说明
    1和0
    empty(shape[, dtype, order])返回给定形状和类型的新数组,而不初始化条目。
    empty_like(a[, dtype, order, subok])返回与给定数组形状和类型相同的新数组。
    eye(N[, M, k, dtype, order])返回对角线上为1、别处为0的二维数组。
    identity(n[, dtype])返回标识数组。
    ones(shape[, dtype, order])返回给定形状和类型的新数组,其中填充了一个。
    ones_like(a[, dtype, order, subok])返回与给定数组形状和类型相同的数组。
    zeros(shape[, dtype, order])返回给定形状和类型的新数组,用零填充。
    zeros_like(a[, dtype, order, subok])返回与给定数组形状和类型相同的零数组。
    full(shape, fill_value[, dtype, order])返回给定形状和类型的新数组,用fill _ value填充。
    full_like(a, fill_value[, dtype, order, subok])返回与给定数组形状和类型相同的完整数组。
    根据现有数据
    array(object[, dtype, copy, order, subok, ndmin])创建一个数组。
    asarray(a[, dtype, order])将输入转换为数组。
    asanyarray(a[, dtype, order])将输入转换为ndarray,但将ndarray子类传递到。
    ascontiguousarray(a[, dtype])返回内存中的连续数组( C顺序)。
    asmatrix(data[, dtype])将输入解释为矩阵。
    copy(a[, order])返回给定对象的数组副本。
    frombuffer(buffer[, dtype, count, offset])将缓冲区解释为一维数组。
    fromfile(file[, dtype, count, sep])从文本或二进制文件中的数据构造数组。
    fromfunction(function, shape, **kwargs)通过在每个坐标上执行函数来构造数组。
    fromiter(iterable, dtype[, count])从可迭代对象创建新的一维数组。
    fromstring(string[, dtype, count, sep])从字符串中的文本数据初始化的新一维数组。
    loadtxt(fname[, dtype, comments, delimiter, …])从文本文件加载数据。
    创建记录数组( numpy . rec )
    注意numpy . rec是numpy . core . records的首选别名。
    core.records.array(obj[, dtype, shape, …])从各种各样的对象构造记录数组。
    core.records.fromarrays(arrayList[, dtype, …])从(平面)数组列表中创建记录数组
    core.records.fromrecords(recList[, dtype, …])从文本形式的记录列表中创建重新排列
    core.records.fromstring(datastring[, dtype, …])从字符串中包含的二进制数据创建(只读)记录数组
    core.records.fromfile(fd[, dtype, shape, …])从二进制文件数据创建数组
    创建字符数组(字符)
    注意numpy . char是numpy . core . defcharary的首选别名。
    core.defchararray.array(obj[, itemsize, …])创建一个字符数组。
    core.defchararray.asarray(obj[, itemsize, …])将输入转换为字符数组,仅在必要时复制数据。
    数值范围
    arange([start,] stop[, step,][, dtype])在给定间隔内返回均匀间隔的值。
    linspace(start, stop[, num, endpoint, …])在指定的时间间隔内返回均匀间隔的数字。
    logspace(start, stop[, num, endpoint, base, …])返回对数刻度上均匀间隔的数字。
    geomspace(start, stop[, num, endpoint, dtype])返回对数刻度上均匀间隔的数字(几何级数)。
    meshgrid(*xi, **kwargs)从坐标向量返回坐标矩阵。
    mgridnd _ grid实例,返回密集的多维“网格”。
    ogrid返回开放多维“网格”的nd _ grid实例。
    建筑矩阵
    diag(v[, k])提取对角线或构造对角线数组。
    diagflat(v[, k])以展平的输入为对角线创建二维数组。
    tri(N[, M, k, dtype])一个数组,在给定对角线上和下方有一个,在其他地方有零。
    tril(m[, k])数组的下三角形。
    triu(m[, k])数组的上三角形。
    vander(x[, N, increasing])生成范德蒙矩阵。
    矩阵类
    mat(data[, dtype])将输入解释为矩阵。
    bmat(obj[, ldict, gdict])从字符串、嵌套序列或数组构建矩阵对象。

    数组操作

    函数说明
    基本操作
    copyto(dst, src[, casting, where])将值从一个阵列复制到另一个阵列,根据需要进行广播。
    改变阵列形状
    reshape(a, newshape[, order])在不更改数组数据的情况下为数组赋予新形状。
    ravel(a[, order])返回连续的扁平数组。
    ndarray.flat数组上的一维迭代器。
    ndarray.flatten([order])返回折叠到一维中的数组副本。
    置换式运算
    moveaxis(a, source, destination)将数组的轴移动到新位置。
    rollaxis(a, axis[, start])向后滚动指定的轴,直到它位于给定位置。
    swapaxes(a, axis1, axis2)交换数组的两个轴。
    ndarray.T与self . indim < 2时返回self ( )相同。
    transpose(a[, axes])置换数组的维度。
    改变维数
    atleast_1d(*arys)将输入转换为至少具有一维的数组。
    atleast_2d(*arys)将输入视为至少具有两个维度的数组。
    atleast_3d(*arys)将输入视为至少具有三维的数组。
    broadcast制作模拟广播的对象。
    broadcast_to(array, shape[, subok])将数组广播到新形状。
    broadcast_arrays(*args, **kwargs)相互广播任意数量的阵列。
    expand_dims(a, axis)展开数组的形状。
    squeeze(a[, axis])从数组形状中删除一维条目。
    改变阵列种类
    asarray(a[, dtype, order])将输入转换为数组。
    asanyarray(a[, dtype, order])将输入转换为ndarray,但将ndarray子类传递到。
    asmatrix(data[, dtype])将输入解释为矩阵。
    asfarray(a[, dtype])返回转换为浮点型的数组。
    asfortranarray(a[, dtype])在内存中返回按Fortran顺序排列的数组。
    ascontiguousarray(a[, dtype])返回内存中的连续数组( C顺序)。
    asarray_chkfinite(a[, dtype, order])将输入转换为数组,检查NaNs或Infs。
    asscalar(a)将大小为1的数组转换为其标量等效数组。
    require(a[, dtype, requirements])返回满足要求的所提供类型的ndarray。
    连接阵列
    concatenate((a1, a2, …)[, axis, out])沿现有轴连接阵列序列。
    stack(arrays[, axis, out])沿着新轴连接一系列数组。
    column_stack(tup)将一维数组作为列堆叠成二维数组。
    dstack(tup)按顺序深度(沿第三轴)堆叠阵列。
    hstack(tup)水平(按列)按顺序堆叠数组。
    vstack(tup)垂直(按行)顺序堆叠阵列。
    block(arrays)从嵌套的块列表中组装nd数组。
    分裂阵列
    split(ary, indices_or_sections[, axis])将阵列分割成多个子阵列。
    array_split(ary, indices_or_sections[, axis])将阵列分割成多个子阵列。
    dsplit(ary, indices_or_sections)沿第三轴(深度)将阵列分割成多个子阵列。
    hsplit(ary, indices_or_sections)水平(按列)将阵列拆分为多个子阵列。
    vsplit(ary, indices_or_sections)将阵列垂直(按行)拆分为多个子阵列。
    平铺阵列
    tile(A, reps)通过重复代表给定的次数来构造数组
    repeat(a, repeats[, axis])重复数组的元素。
    添加和删除元素
    delete(arr, obj[, axis])返回删除了沿轴的子阵列的新阵列。
    insert(arr, obj, values[, axis])在给定索引之前沿给定轴插入值。
    append(arr, values[, axis])将值追加到数组的末尾。
    resize(a, new_shape)返回具有指定形状的新数组。
    trim_zeros(filt[, trim])从一维数组或序列中修剪前导零和/或尾随零。
    unique(ar[, return_index, return_inverse, …])查找数组的唯一元素。
    重新排列元素
    flip(m, axis)沿给定轴反转数组中元素的顺序。
    fliplr(m)向左/向右翻转阵列。
    flipud(m)沿上下方向翻转阵列。
    reshape(a, newshape[, order])在不更改数组数据的情况下为数组赋予新形状。
    roll(a, shift[, axis])沿给定轴滚动阵列元素。
    rot90(m[, k, axes])在轴指定的平面中将阵列旋转90度。

    二进制操作

    函数说明
    元素位操作
    bitwise_and(x1, x2, /[, out, where, …])逐位计算两个数组的“与”。
    bitwise_or(x1, x2, /[, out, where, casting, …])逐位计算两个数组的OR。
    bitwise_xor(x1, x2, /[, out, where, …])逐元素计算两个数组的位异或。
    invert(x, /[, out, where, casting, order, …])逐位或逐位不逐元素计算反演。
    left_shift(x1, x2, /[, out, where, casting, …])将整数的位向左移动。
    right_shift(x1, x2, /[, out, where, …])将整数的位向右移动。
    字节打包
    packbits(myarray[, axis])将二进制值数组的元素打包成uint 8数组中的位。
    unpackbits(myarray[, axis])将uint 8数组的元素解包为二进制值输出数组。
    输出格式
    binary_repr(num[, width])将输入数字的二进制表示形式返回为字符串。

    操作字符串

    函数说明
    字符串操作
    add(x1, x2)返回字符串或unicode两个数组的逐元素字符串连接。
    multiply(a, i)返回( a * I ),即字符串多重连接,按元素排序。
    mod(a, values)返回( a % I ),即Python 2.6之前的字符串格式( iterpolation ),对于字符串或unicode这样的一对array _ likes,逐元素返回。
    capitalize(a)返回一个副本,其中每个元素的第一个字符都是大写的。
    center(a, width[, fillchar])传回的复本,其元素以长度宽度字串为中心。
    decode(a[, encoding, errors])逐元素调用字符串解码。
    encode(a[, encoding, errors])调用字符串按元素编码。
    join(sep, seq)返回一个字符串,它是序列seq中字符串的串联。
    ljust(a, width[, fillchar])返回一个数组,数组中的元素在长度为宽度的字符串中左对齐。
    lower(a)返回元素转换为小写的数组。
    lstrip(a[, chars])对于中的每个元素,返回删除前导字符的副本。
    partition(a, sep)9月份左右,将每个元素分区
    replace(a, old, new[, count])对于中的每个元素,返回字符串的副本,所有出现的子字符串旧的都替换为新的。
    rjust(a, width[, fillchar])返回一个数组,数组中的元素在长度为宽度的字符串中右对齐。
    rpartition(a, sep)分隔(拆分)最右边分隔符周围的每个元素。
    rsplit(a[, sep, maxsplit])对于中的每个元素,使用sep作为分隔符字符串返回字符串中的单词列表。
    rstrip(a[, chars])对于中的每个元素,返回一个删除了尾随字符的副本。
    split(a[, sep, maxsplit])对于中的每个元素,使用sep作为分隔符字符串返回字符串中的单词列表。
    splitlines(a[, keepends])对于中的每个元素,返回元素中的线条列表,在线条边界处断开。
    strip(a[, chars])对于a中的每个元素,返回一个删除了前导和尾随字符的副本。
    swapcase(a)以元素方式返回字符串副本,大写字符转换为小写字符,反之亦然。
    title(a)返回字符串或unicode的元素标题大小写版本。
    translate(a, table[, deletechars])对于中的每个元素,返回字符串的副本,在该副本中,可选参数deletechars中出现的所有字符都被删除,其余字符已通过给定的转换表映射。
    upper(a)返回元素转换为大写的数组。
    zfill(a, width)返回左填充零的数字字符串
    比较(与标准numpy比较运算符不同的是,char模块中的运算符在执行比较之前会剥离尾随空白字符。)
    equal(x1, x2)按元素返回( x1 = = x2 )。
    not_equal(x1, x2)返回( x1!= x2 )元素方式。
    greater_equal(x1, x2)逐元素返回( x1 > = x2 )。
    less_equal(x1, x2)逐元素返回( x1 < = x2 )。
    greater(x1, x2)逐元素返回( x1 > x2 )。
    less(x1, x2)逐元素返回( x1 < x2 )。
    字符串信息
    count(a, sub[, start, end])返回一个数组,其中子字符串sub在“[开始,结束”范围内不重叠的出现次数。
    find(a, sub[, start, end])对于每个元素,返回字符串中找到子字符串sub的最低索引。
    index(a, sub[, start, end])如查找,但在未找到子字符串时引发值错误。
    isalpha(a)如果字符串中的所有字符都是字母,并且至少有一个字符,则返回true,否则返回false。
    isdecimal(a)对于每个元素,如果元素中只有十进制字符,则返回True。
    isdigit(a)如果字符串中的所有字符都是数字,并且至少有一个字符,则返回true,否则返回false。
    islower(a)如果字符串中的所有大小写字符都是小写的,并且至少有一个大小写字符,则返回true,否则返回false。
    isnumeric(a)对于每个元素,如果元素中只有数字字符,则返回True。
    isspace(a)如果字符串中只有空白字符,并且至少有一个字符,则返回true,否则返回false。
    istitle(a)如果元素是标题大小写字符串,并且至少有一个字符,则返回true,否则返回false。
    isupper(a)如果字符串中的所有大小写字符都是大写的,并且至少有一个字符,则返回true,否则返回false。
    rfind(a, sub[, start, end])对于a中的每个元素,返回字符串中找到substring sub的最高索引,以便sub包含在[ start,end ]中。
    rindex(a, sub[, start, end])类似rfind,但在未找到子字符串子字符串时引发值错误。
    startswith(a, prefix[, start, end])返回一个布尔数组,该数组为True,其中a中的字符串元素以前缀开头,否则为False。
    方便班
    chararray(shape[, itemsize, unicode, …])提供字符串和unicode值数组的便捷视图。

    日期支持

    函数说明
    日期时间支持函数
    datetime_as_string(arr[, unit, timezone, …])将日期时间数组转换为字符串数组。
    datetime_data(dtype, /)获取有关日期或时间类型步长的信息。
    营业日功能
    busdaycalendar([weekmask, holidays])一个工作日日历对象,有效存储定义工作日系列功能的有效天数的信息。
    is_busday(dates[, weekmask, holidays, …])计算给定日期中哪些是有效天数,哪些不是。
    busday_offset(dates, offsets[, roll, …])首先根据滚动规则将日期调整为有效日期,然后将偏移应用于以有效日期计算的给定日期。
    busday_count(begindates, enddates[, …])计算开始日期和结束日期之间的有效天数,不包括结束日期。

    日期

    函数说明
    数据类型例程
    can_cast(from_, to[, casting])如果可以根据转换规则在数据类型之间进行转换,则返回True。
    promote_types(type1, type2)返回具有最小大小和最小标量类型的数据类型,类型1和类型2都可以安全地转换到该数据类型。
    min_scalar_type(a)对于标量a,返回大小最小且标量种类最小的数据类型,该数据类型可以保存其值。
    result_type(*arrays_and_dtypes)传回将NumPy型别升级规则套用至引数所产生的型别。
    common_type(*arrays)返回输入数组共有的标量类型。
    obj2sctype(rep[, default])返回对象Python类型的标量dtype或NumPy等效项。
    创建数据类型
    dtype(obj[, align, copy])创建数据类型对象。
    format_parser(formats, names, titles[, …])类将格式、名称、标题描述转换为dtype。
    数据类型信息
    finfo(dtype)浮点类型的机器限制。
    iinfo(type)整数类型的机器限制。
    MachAr([float_conv, int_conv, …])诊断机器参数。
    数据类型测试
    issctype(rep)确定给定对象是否表示标量数据类型。
    issubdtype(arg1, arg2)如果第一个参数是类型层次结构中较低/相等的类型代码,则返回True。
    issubsctype(arg1, arg2)确定第一个参数是否是第二个参数的子类。
    issubclass_(arg1, arg2)确定一个类是否是第二类的子类。
    find_common_type(array_types, scalar_types)按照标准强制规则确定通用类型。
    多方面的
    typename(char)返回给定数据类型代码的描述。
    sctype2char(sctype)返回标量dtype的字符串表示形式。
    mintypecode(typechars[, typeset, default])返回给定类型可以安全转换到的最小大小类型的字符。

    可选的Scipy加速例程(from numpy.dual import…)

    scipy可以被构建为使用加速库或其他改进库来实现FFTs、线性代数和特殊函数。该模块允许开发人员在scipy可用时透明地支持这些加速功能,但仍支持仅安装NumPy的用户。

    函数说明
    线性代数
    cholesky(a)乔利斯基分解。
    det(a)计算数组的行列式。
    eig(a)计算方阵的特征值和右特征向量。
    eigh(a[, UPLO])返回埃尔米特矩阵或对称矩阵的特征值和特征向量。
    eigvals(a)计算一般矩阵的特征值。
    eigvalsh(a[, UPLO])计算埃尔米特矩阵或实对称矩阵的特征值。
    inv(a)计算矩阵的(乘法)逆。
    lstsq(a, b[, rcond])将最小二乘解返回线性矩阵方程。
    norm(x[, ord, axis, keepdims])矩阵或向量范数。
    pinv(a[, rcond])计算矩阵的(摩尔-彭罗斯)伪逆。
    solve(a, b)求解线性矩阵方程或线性标量方程组。
    svd(a[, full_matrices, compute_uv])奇异值分解。
    快速傅里叶变换
    fft(a[, n, axis, norm])计算一维离散傅立叶变换。
    fft2(a[, s, axes, norm])计算二维离散傅立叶变换
    fftn(a[, s, axes, norm])计算N维离散傅立叶变换。
    ifft(a[, n, axis, norm])计算一维离散傅立叶逆变换。
    ifft2(a[, s, axes, norm])计算二维离散傅立叶逆变换。
    ifftn(a[, s, axes, norm])计算N维离散傅立叶逆变换。
    其他的
    i0(x)第一类修正贝塞尔函数,0阶。

    浮点错误处理

    函数说明
    设置和获取错误处理
    seterr([all, divide, over, under, invalid])设置浮点错误的处理方式。
    geterr()获取当前处理浮点错误的方式。
    seterrcall(func)设置浮点错误回调函数或日志对象。
    geterrcall()返回用于浮点错误的当前回调函数。
    errstate(**kwargs)浮点错误处理的上下文管理器。
    内部功能
    seterrobj(errobj)设置定义浮点错误处理的对象。
    geterrobj()返回定义浮点错误处理的当前对象。

    离散傅里叶变换(from numpy.fft import…)

    函数说明
    标准快速傅立叶变换
    fft(a[, n, axis, norm])计算一维离散傅立叶变换。
    ifft(a[, n, axis, norm])计算一维离散傅立叶逆变换。
    fft2(a[, s, axes, norm])计算二维离散傅立叶变换
    ifft2(a[, s, axes, norm])计算二维离散傅立叶逆变换。
    fftn(a[, s, axes, norm])计算N维离散傅立叶变换。
    ifftn(a[, s, axes, norm])计算N维离散傅立叶逆变换。
    实FFTs
    rfft(a[, n, axis, norm])计算真实输入的一维离散傅立叶变换。
    irfft(a[, n, axis, norm])计算实际输入的n点DFT的倒数。
    rfft2(a[, s, axes, norm])计算真实阵列的二维FFT。
    irfft2(a[, s, axes, norm])计算真实阵列的二维逆FFT。
    rfftn(a[, s, axes, norm])计算真实输入的N维离散傅立叶变换。
    irfftn(a[, s, axes, norm])计算实际输入的N维FFT的倒数。
    埃尔米特快速傅立叶变换
    hfft(a[, n, axis, norm])计算具有厄米对称的信号的FFT,即实谱。
    ihfft(a[, n, axis, norm])计算具有厄米对称的信号的逆FFT。
    助手例程
    fftfreq(n[, d])返回离散傅立叶变换采样频率。
    rfftfreq(n[, d])返回离散傅立叶变换采样频率(用于rfft、irfft )。
    fftshift(x[, axes])将零频率分量移动到频谱中心。
    ifftshift(x[, axes])fftshift反向操作。

    金融

    函数说明
    简单的财务功能
    fv(rate, nper, pmt, pv[, when])计算未来值。
    pv(rate, nper, pmt[, fv, when])计算现值。
    npv(rate, values)返回现金流序列的净现值。
    pmt(rate, nper, pv[, fv, when])根据贷款本金加利息计算付款。
    ppmt(rate, per, nper, pv[, fv, when])根据贷款本金计算付款。
    ipmt(rate, per, nper, pv[, fv, when])计算付款的利息部分。
    irr(values)返回内部收益率( IRR )。
    mirr(values, finance_rate, reinvest_rate)修正内部收益率。
    nper(rate, pmt, pv[, fv, when])计算定期付款的数量。
    rate(nper, pmt, pv, fv[, when, guess, tol, …])计算每期利率。

    功能程序设计

    函数说明
    apply_along_axis(func1d, axis, arr, *args, …)沿给定轴将函数应用于一维切片。
    apply_over_axes(func, a, axes)在多个轴上重复应用一个函数。
    vectorize(pyfunc[, otypes, doc, excluded, …])广义函数类。
    frompyfunc(func, nin, nout)获取任意Python函数并返回NumPy ufunc。
    piecewise(x, condlist, funclist, *args, **kw)评估分段定义的函数。

    索引

    函数说明
    生成索引数组
    c_将切片对象沿第二轴平移为串联。
    r_将切片对象沿第一轴平移为串联。
    s_建立数组索引元组的更好方法。
    nonzero(a)返回非零元素的索引。
    where(condition, [x, y])根据条件,返回x或y中的元素。
    indices(dimensions[, dtype])返回表示网格索引的数组。
    ix_(*args)从多个序列构建开放网格。
    ogrid返回开放多维“网格”的nd _ grid实例。
    ravel_multi_index(multi_index, dims[, mode, …])将索引数组元组转换为平面索引数组,将边界模式应用于多索引。
    unravel_index(indices, dims[, order])将平面索引或平面索引数组转换为坐标数组元组。
    diag_indices(n[, ndim])返回索引以访问数组的主对角线。
    diag_indices_from(arr)返回索引以访问n维数组的主对角线。
    mask_indices(n, mask_func[, k])给定掩蔽函数,返回访问( n,n )个数组的索引。
    tril_indices(n[, k, m])返回( n,m )数组下三角形的索引。
    tril_indices_from(arr[, k])返回arr的下三角形的索引。
    triu_indices(n[, k, m])返回( n,m )数组上三角形的索引。
    triu_indices_from(arr[, k])返回arr上三角形的索引。
    类似索引的操作
    take(a, indices[, axis, out, mode])沿轴从数组中提取元素。
    choose(a, choices[, out, mode])从索引数组和一组可供选择的数组构造一个数组。
    compress(condition, a[, axis, out])沿给定轴返回阵列的选定切片。
    diag(v[, k])提取对角线或构造对角线数组。
    diagonal(a[, offset, axis1, axis2])返回指定的对角线。
    select(condlist, choicelist[, default])根据条件返回从choicelist中的元素中提取的数组。
    lib.stride_tricks.as_strided(x[, shape, …])以给定的形状和步幅创建阵列视图。
    将数据插入数组
    place(arr, mask, vals)根据条件值和输入值更改数组的元素。
    put(a, ind, v[, mode])用给定值替换数组的指定元素。
    putmask(a, mask, values)根据条件值和输入值更改数组的元素。
    fill_diagonal(a, val[, wrap])填充给定维度数组的主对角线。
    迭代数组
    nditer高效的多维迭代器对象对数组进行迭代。
    ndenumerate(arr)多维索引迭代器。
    ndindex(*shape)索引数组的N维迭代器对象。
    flatiter要在数组上迭代的平面迭代器对象。
    lib.Arrayterator(var[, buf_size])大数组缓冲迭代器。

    输入输出

    函数说明
    NumPy二进制文件( NPY,NPZ )
    load(file[, mmap_mode, allow_pickle, …])从加载数组或腌制对象。npy,。npz或腌制文件。
    save(file, arr[, allow_pickle, fix_imports])将数组保存到NumPy中的二进制文件中。npy格式。
    savez(file, *args, **kwds)将几个阵列保存到未压缩的单个文件中。npz格式。
    savez_compressed(file, *args, **kwds)将几个数组压缩保存到单个文件中。npz格式。
    文本文件
    loadtxt(fname[, dtype, comments, delimiter, …])从文本文件加载数据。
    savetxt(fname, X[, fmt, delimiter, newline, …])将数组保存到文本文件中。
    genfromtxt(fname[, dtype, comments, …])从文本文件加载数据,缺失值按指定处理。
    fromregex(file, regexp, dtype[, encoding])使用正则表达式解析从文本文件构造数组。
    fromstring(string[, dtype, count, sep])从字符串中的文本数据初始化的新一维数组。
    ndarray.tofile(fid[, sep, format])将数组以文本或二进制形式写入文件(默认)。
    ndarray.tolist()将数组作为(可能嵌套的)列表返回。
    原始二进制文件
    fromfile(file[, dtype, count, sep])从文本或二进制文件中的数据构造数组。
    ndarray.tofile(fid[, sep, format])将数组以文本或二进制形式写入文件(默认)。
    字符串格式
    array2string(a[, max_line_width, precision, …])返回数组的字符串表示形式。
    array_repr(arr[, max_line_width, precision, …])返回数组的字符串表示形式。
    array_str(a[, max_line_width, precision, …])返回数组中数据的字符串表示形式。
    format_float_positional(x[, precision, …])在位置符号中将浮点标量格式化为十进制字符串。
    format_float_scientific(x[, precision, …])在科学记数法中将浮点标量格式化为十进制字符串。
    内存映射文件
    memmap创建存储到磁盘上二进制文件中存储的阵列的内存映射。
    文本格式选项
    set_printoptions([precision, threshold, …])设置打印选项。
    get_printoptions()返回当前打印选项。
    set_string_function(f[, repr])设置一个Python函数,用于漂亮的打印数组。
    基- n表示
    binary_repr(num[, width])将输入数字的二进制表示形式返回为字符串。
    base_repr(number[, base, padding])返回给定基本系统中数字的字符串表示形式。
    数据源
    DataSource([destpath])一般资料来源档案(档案、http、FTP、…)。

    线性代数(from numpy.linalg import…)

    函数说明
    矩阵和向量乘积
    dot(a, b[, out])两个数组的点积。
    linalg.multi_dot(arrays)在单个函数调用中计算两个或多个数组的点积,同时自动选择最快的求值顺序。
    vdot(a, b)返回两个向量的点积。
    inner(a, b)两个数组的内积。
    outer(a, b[, out])计算两个向量的外积。
    matmul(a, b[, out])两个数组的矩阵乘积。
    tensordot(a, b[, axes])计算阵列> = 1 - d的沿指定轴的张量点积
    einsum(subscripts, *operands[, out, dtype, …])评估操作数上的爱因斯坦求和约定。
    einsum_path(subscripts, *operands[, optimize])通过考虑中间数组的创建来评估einsum表达式的最低成本收缩顺序。
    linalg.matrix_power(M, n)将方阵提高到(整数)幂n
    kron(a, b)两个数组的kronecker乘积。
    分解
    linalg.cholesky(a)乔利斯基分解。
    linalg.qr(a[, mode])计算矩阵的QR分解。
    linalg.svd(a[, full_matrices, compute_uv])奇异值分解。
    矩阵特征值
    linalg.eig(a)计算方阵的特征值和右特征向量。
    linalg.eigh(a[, UPLO])返回埃尔米特矩阵或对称矩阵的特征值和特征向量。
    linalg.eigvals(a)计算一般矩阵的特征值。
    linalg.eigvalsh(a[, UPLO])计算埃尔米特矩阵或实对称矩阵的特征值。
    规范和其他数字
    linalg.norm(x[, ord, axis, keepdims])矩阵或向量范数。
    linalg.cond(x[, p])计算矩阵的条件数。
    linalg.det(a)计算数组的行列式。
    linalg.matrix_rank(M[, tol, hermitian])用奇异值分解法求数组的矩阵秩
    linalg.slogdet(a)计算数组行列式的符号和(自然)对数。
    trace(a[, offset, axis1, axis2, dtype, out])沿数组对角线返回总和。
    求解方程和逆矩阵
    linalg.solve(a, b)求解线性矩阵方程或线性标量方程组。
    linalg.tensorsolve(a, b[, axes])求解张量方程
    linalg.lstsq(a, b[, rcond])将最小二乘解返回线性矩阵方程。
    linalg.inv(a)计算矩阵的(乘法)逆。
    linalg.pinv(a[, rcond])计算矩阵的(摩尔-彭罗斯)伪逆。
    linalg.tensorinv(a[, ind])计算N维数组的“逆”。
    例外
    linalg.LinAlgError泛型Python - linalg函数引发的异常派生对象。

    逻辑运算

    函数说明
    真值检验
    all(a[, axis, out, keepdims])测试沿给定轴的所有数组元素是否评估为True。
    any(a[, axis, out, keepdims])测试沿给定轴的任何数组元素是否评估为True。
    数组内容
    isfinite(x, /[, out, where, casting, order, …])测试元素的有限性(不是无穷大或不是数字)。
    isinf(x, /[, out, where, casting, order, …])以元素方式测试正无穷大或负无穷大。
    isnan(x, /[, out, where, casting, order, …])对NaN进行逐个元素的测试,并将结果返回为布尔数组。
    isnat(x, /[, out, where, casting, order, …])逐个元素测试NaT (不是时间),并将结果作为布尔数组返回。
    isneginf(x[, out])逐个元素测试负无穷大,结果返回为bool数组。
    isposinf(x[, out])测试元素为正无穷大,返回结果为bool数组。
    阵列式测试
    iscomplex(x)返回bool数组,如果输入元素复杂,则返回True。
    iscomplexobj(x)检查复数类型或复数数组。
    isfortran(a)如果数组是Fortran连续的但不是C连续的,则返回True。
    isreal(x)返回bool数组,如果输入元素为实,则返回True。
    isrealobj(x)如果x不是复杂类型或复数数组,则返回True。
    isscalar(num)如果num的类型是标量类型,则返回True。
    逻辑运算
    logical_and(x1, x2, /[, out, where, …])逐元素计算x1和x2的真值。
    logical_or(x1, x2, /[, out, where, casting, …])逐元素计算x1或x2的真值。
    logical_not(x, /[, out, where, casting, …])不按x元素计算真值。
    logical_xor(x1, x2, /[, out, where, …])逐元素计算x1 XOR x2的真值。
    比较
    allclose(a, b[, rtol, atol, equal_nan])如果两个数组在容差内元素相等,则返回True。
    isclose(a, b[, rtol, atol, equal_nan])返回一个布尔数组,其中两个数组在容差内按元素相等。
    array_equal(a1, a2)如果两个数组具有相同的形状和元素,则为true,否则为False。
    array_equiv(a1, a2)如果输入数组形状一致且所有元素相等,则返回True。
    greater(x1, x2, /[, out, where, casting, …])逐元素返回( x1 > x2 )的真值。
    greater_equal(x1, x2, /[, out, where, …])逐元素返回( x1 > = x2 )的真值。
    less(x1, x2, /[, out, where, casting, …])逐元素返回( x1 < x2 )的真值。
    less_equal(x1, x2, /[, out, where, casting, …])逐元素返回( x1 = < x2 )的真值。
    equal(x1, x2, /[, out, where, casting, …])按元素返回( x1 = = x2 )。
    not_equal(x1, x2, /[, out, where, casting, …])返回( x1!= x2 )元素方式。

    矩阵库(from numpy.matlib import…)

    函数说明
    此模块包含numpy命名空间中的所有函数,返回matrix对象而不是ndarrays。
    也在numpy命名空间并返回matrix函数
    mat(data[, dtype])将输入解释为矩阵。
    matrix(data[, dtype, copy])从类似阵列的物件或资料字串传回矩阵。
    asmatrix(data[, dtype])将输入解释为矩阵。
    bmat(obj[, ldict, gdict])从字符串、嵌套序列或数组构建矩阵对象。
    MATLAB中的替换函数
    empty(shape[, dtype, order])返回给定形状和类型的新矩阵,而不初始化条目。
    zeros(shape[, dtype, order])返回给定形状和类型的矩阵,用零填充。
    ones(shape[, dtype, order])一矩阵。
    eye(n[, M, k, dtype, order])返回对角线上为1、别处为0的矩阵。
    identity(n[, dtype])返回给定大小的平方单位矩阵。
    repmat(a, m, n)重复0 - D至2 - D阵列或矩阵MxN次。
    rand(*args)返回给定形状的随机值矩阵。
    randn(*args)返回带有“标准正态”分布数据的随机矩阵。

    随机数

    函数说明
    简单随机数据
    rand(d0, d1, …, dn)给定形状中的随机值。
    randn(d0, d1, …, dn)从“标准正态”分布中返回一个或多个样本。
    randint(low[, high, size, dtype])返回从低(含)到高(含)的随机整数。
    random_integers(low[, high, size])NP . int类型的随机整数,介于低和高之间,包括在内。
    random_sample([size])返回半开区间[ 0.0、1.0中的随机浮动)。
    random([size])返回半开区间[ 0.0、1.0中的随机浮动)。
    ranf([size])返回半开区间[ 0.0、1.0中的随机浮动)。
    sample([size])返回半开区间[ 0.0、1.0中的随机浮动)。
    choice(a[, size, replace, p])从给定的一维数组生成随机样本
    bytes(length)返回随机字节。
    排列
    shuffle(x)通过移动序列的内容就地修改序列。
    permutation(x)随机置换序列,或返回置换范围。
    分布
    beta(a, b[, size])从Beta分布中抽取样本。
    binomial(n, p[, size])从二项分布中抽取样本。
    chisquare(df[, size])从卡方分布中抽取样本。
    dirichlet(alpha[, size])从Dirichlet分布中抽取样本。
    exponential([scale, size])从指数分布中抽取样本。
    f(dfnum, dfden[, size])从F分布中抽取样本。
    gamma(shape[, scale, size])从伽玛分布中抽取样本。
    geometric(p[, size])从几何分布中抽取样本。
    gumbel([loc, scale, size])从秋葵分布中抽取样本。
    hypergeometric(ngood, nbad, nsample[, size])从超几何分布中提取样本。
    laplace([loc, scale, size])从拉普拉斯分布或双指数分布中抽取具有指定位置(或平均值)和标度(衰减)的样本。
    logistic([loc, scale, size])从物流配送中抽取样本。
    lognormal([mean, sigma, size])从对数正态分布中抽取样本。
    logseries(p[, size])从对数级数分布中抽取样本。
    multinomial(n, pvals[, size])从多项式分布中抽取样本。
    multivariate_normal(mean, cov[, size, …)从多元正态分布中抽取随机样本。
    negative_binomial(n, p[, size])从负二项分布中抽取样本。
    noncentral_chisquare(df, nonc[, size])从非中心卡方分布中抽取样本。
    noncentral_f(dfnum, dfden, nonc[, size])从非中心F分布中抽取样本。
    normal([loc, scale, size])从正态(高斯)分布中抽取随机样本。
    pareto(a[, size])从Pareto II或Lomax分布中抽取具有特定形状的样本。
    poisson([lam, size])从泊松分布中抽取样本。
    power(a[, size])在[ 0,1 ]从正指数为a - 1的幂分布中抽取样本。
    rayleigh([scale, size])从瑞利分布中抽取样本。
    standard_cauchy([size])从模式= 0的标准Cauchy分布中抽取样本。
    standard_exponential([size])从标准指数分布中抽取样本。
    standard_gamma(shape[, size])从标准伽马分布中抽取样本。
    standard_normal([size])从标准正态分布中抽取样本(平均值= 0,stdev = 1 )。
    standard_t(df[, size])从具有df自由度的标准学生t分布中抽取样本。
    triangular(left, mode, right[, size])从[左、右区间的三角形分布中抽取样本]。
    uniform([low, high, size])从均匀分布中抽取样本。
    vonmises(mu, kappa[, size])从冯·米塞斯分布中抽取样本。
    wald(mean, scale[, size])从瓦尔德分布或逆高斯分布中提取样本。
    weibull(a[, size])从威布尔分布中抽取样本。
    zipf(a[, size])从Zipf分发中抽取样本。
    随机发生器
    RandomState([seed])梅森捻线机伪随机数发生器的容器。
    seed([seed])给发电机播种。
    get_state()返回表示生成器内部状态的元组。
    set_state(state)从元组中设置生成器的内部状态。

    设定程序

    函数说明
    制作适当的集合
    unique(ar[, return_index, return_inverse, …])查找数组的唯一元素。
    布尔运算
    in1d(ar1, ar2[, assume_unique, invert])测试一维数组的每个元素是否也存在于第二个数组中。
    intersect1d(ar1, ar2[, assume_unique])找到两个数组的交集。
    isin(element, test_elements[, …])计算test _ elements中的元素,仅在元素上广播。
    setdiff1d(ar1, ar2[, assume_unique])找出两个数组的集合差。
    setxor1d(ar1, ar2[, assume_unique])查找两个数组的异或集。
    union1d(ar1, ar2)找到两个数组的并集。

    排序、搜索、计数

    函数说明
    整理
    sort(a[, axis, kind, order])返回数组的排序副本。
    lexsort(keys[, axis])使用键序列执行间接排序。
    argsort(a[, axis, kind, order])返回对数组进行排序的索引。
    ndarray.sort([axis, kind, order])就地排序数组。
    msort(a)返回沿第一轴排序的数组副本。
    sort_complex(a)首先使用实部,然后使用虚部对复杂数组进行排序。
    partition(a, kth[, axis, kind, order])返回数组的分区副本。
    argpartition(a, kth[, axis, kind, order])使用kind关键字指定的算法沿给定轴执行间接分区。
    搜索
    argmax(a[, axis, out])返回沿轴的最大值的索引。
    nanargmax(a[, axis])忽略NaNs返回指定轴上最大值的索引。
    argmin(a[, axis, out])返回沿轴的最小值的索引。
    nanargmin(a[, axis])忽略NaNs返回指定轴上最小值的索引。
    argwhere(a)查找非零数组元素的索引,按元素分组。
    nonzero(a)返回非零元素的索引。
    flatnonzero(a)返回在a的扁平版本中非零的索引
    where(condition, [x, y])根据条件,返回x或y中的元素。
    searchsorted(a, v[, side, sorter])查找应该插入元素以维持秩序的索引。
    extract(condition, arr)返回满足某些条件的数组元素。
    计算
    count_nonzero(a[, axis])统计数组a中非零值的数量

    统计学

    函数说明
    次序统计
    amin(a[, axis, out, keepdims])沿轴返回数组的最小值或最小值。
    amax(a[, axis, out, keepdims])返回数组的最大值或沿轴的最大值。
    nanmin(a[, axis, out, keepdims])返回数组的最小值或沿轴的最小值,忽略任何南线。
    nanmax(a[, axis, out, keepdims])沿轴返回数组的最大值或最大值,忽略任何南线。
    ptp(a[, axis, out])沿轴的值范围(最大-最小)。
    percentile(a, q[, axis, out, …])沿指定轴计算数据的qth百分位。
    nanpercentile(a, q[, axis, out, …])计算沿指定轴的数据的qth百分位,而忽略nan值。
    平均数和差异
    median(a[, axis, out, overwrite_input, keepdims])计算沿指定轴的中间值。
    average(a[, axis, weights, returned])沿指定轴计算加权平均值。
    mean(a[, axis, dtype, out, keepdims])沿指定轴计算算术平均值。
    std(a[, axis, dtype, out, ddof, keepdims])计算沿指定轴的标准偏差。
    var(a[, axis, dtype, out, ddof, keepdims])计算沿指定轴的方差。
    nanmedian(a[, axis, out, overwrite_input, …])计算沿指定轴的中间值,而忽略南社。
    nanmean(a[, axis, dtype, out, keepdims])沿指定轴计算算术平均值,忽略南社。
    nanstd(a[, axis, dtype, out, ddof, keepdims])计算沿指定轴的标准偏差,而忽略NaNs。
    nanvar(a[, axis, dtype, out, ddof, keepdims])计算沿指定轴的方差,而忽略NaNs。
    相关
    corrcoef(x[, y, rowvar, bias, ddof])返回皮尔逊积-矩相关系数。
    correlate(a, v[, mode])两个一维序列的互相关。
    cov(m[, y, rowvar, bias, ddof, fweights, …])给定数据和权重,估计协方差矩阵。
    直方图
    histogram(a[, bins, range, normed, weights, …])计算一组数据的直方图。
    histogram2d(x, y[, bins, range, normed, weights])计算两个数据样本的二维直方图。
    histogramdd(sample[, bins, range, normed, …])计算一些数据的多维直方图。
    bincount(x[, weights, minlength])统计非负整数数组中每个值的出现次数。
    digitize(x, bins[, right])返回输入数组中每个值所属的箱的索引。
  • 相关阅读:
    机器学习 泰坦尼克号——灾难中的机器学习
    【华为云云耀云服务器L实例评测|云原生】自定制轻量化表单Docker快速部署云耀云服务器
    使用go_concurrent_map 管理 并发更新缓存
    知识图谱-KGE-双线性模型-2016:ComplEx
    10. selenium API (二)
    正向代理——流量代理
    《白帽子讲web安全》笔记
    2022年全国部分省市跨境电商交易规模汇总
    【MongoDB】MongoDB数据库的基础使用,特殊情况以及Mongoose的安装和创建流程(含有Mongoose固定版本安装)
    【AIGC系列】Stable Diffusion 小白快速入门课程大纲
  • 原文地址:https://blog.csdn.net/lyc2016012170/article/details/126698256