numpy常用函数总结

首先，安装python的numpy库，需要用到时，利用import numpy as np（以下都用np表示）

导入txt数据： np.loadtxt('*.txt', delimiter=',') ， 这里的文件不限txt，如常用的csv也可以，后面delimiter为分隔符。另一种导入数据方式可以直接用load，如对.npy数据集等。导入后为数组结构，之后可以类似matlab操作对数据取某些行列的值。

导入后的shape为数组的结构，如1000行数据，每个数据为28*28的，则为（1000， 28， 28）。取len时，为1000. ndim 为维度

对数据进行重构： np.reshape(x, (a, b, c, ...))， 其中x为需要重构的pointer， 后面为需要重构的大小。

np.prod(x, axis=?)，对所有的数组索引作乘积，多用于reshape中，如在输入图片时，将图片平滑后输入，prod(x_train.shape[1:])。

几种数学操作：

argmax（a, axis=1）在第一轴上返回最大值的索引， a为array。

ones, zeros类似matlab操作。 sqrt不用多解释了。

range(a, b, c)，后面两个可选，选一个时求两个端点的所有值（不包括后面的端点b）， 选两个时第三个为步长。

np.random.normal(loc=, scale=, size= )，其中loc为mean，scale为标准差。

np.random.randn(2, 4)标准正态分布

np.random.rand(2,3)均匀分布      np.random,randint(1, 10， n)是n个随机整数在1-10之间

np.clip(x, a, b)将x截断到a与b之间

np.arange(1, 11)产生数列,可以之后reshape（注意是一个r，不是arrange）

np.array(list, dtype=np.float)直接定义数据类型

np.sin log sqrt

np.sum(axis=0,..ndim) 类似的还有max min等

对两个数组而言，可以分别对每个元素进行的操作有+-*/ ** 还有np.dot()求点积

np.concatenate(list1, list2)将两个list合并，必要时加上axis， 即追加。还有np.vstack(), np,hstack()。当然还可以np.split(list, n)分成n份

打印数组太大时，无法显示所有，用np.set_printoptions(threshold='nan')

np.random.seed(i) 当i相同时产生相同的随机序列

np.in1d(state, mask)可以过滤某些不满足要求的数据

numpy转化为tensorflow中tensor，tf.convert_to_tensor()