Python/numpy
数组
编辑NumPy数组类似于Python列表。它们都可以用作容器，具有获取（getting）和设置（setting）元素以及插入和移除元素的功能。Python列表用树实现。Numpy数组用C语言数组实现，更紧凑，尤其是在一维以上的维度；向量化操作时比Python列表快，但在末尾添加元素比Python列表慢。
用法
编辑NumPy数组类似于Python列表用法略有区别：
a=[1,2,3]
b=[4,5,6]
[q*2 for q in a]
[q+r for q,r in zip(a,b)]
a=np.array([1,2,3])
b=np.array([4,5,6])
a*2
a+b
数组生成
编辑NumPy数组无法像Python列表那样加长，因为在数组末尾没有保留空间。因此，常见的做法是定义一个Python列表，对它进行操作，然后再转换为NumPy数组，或者用np.zeros和np.empty初始化数组，预分配必要的空间。
a=np.array([1,2,3])
b=np.zeros(3,int)
c=np.ones(3,int)
d=np.empty(3)
e=np.full(3,7)
f=np.zeros_like(a)
g=np.ones_like(a)
h=np.empty_like(a)
i=np.arange(2,9,2) #Out: array([2, 4, 6, 8]); arange means Array Range
np.linspace(2.0, 3.0, num=5)# output: array([2. , 2.25, 2.5 , 2.75, 3. ])
np.random.randint(0,10,3) # uniform in [0,10). Caution: random.randint is in [0,10]
np.random.uniform(1, 10,3)
np.random.randn(3) # standard normal distribution
np.random.normal(5,2,3) #normal, mu=5, sigma=2
数组访问
编辑数组的索引基于0.
索引为-1的元素为数组首元素的左侧元素，即数组尾元素。因此，a[-2:]即数组的尾部两个元素。
索引范围可用 begin:end 形式或者 begin:end:step形式，其中的begin、end都可以省略采用缺省值
索引也可以表示为一个list，如a1,3,4表示取数组a的第2、4、5号元素。
数组的赋值，如b=a， c=a[:]都是原数组的view，只有 d=a.copy()才是复制一份。
也可以用布尔索引。例如 a[a>5]
np.ndenumerate类构造了数组的迭代器。每次迭代返回索引与值的组合。
获取满足条件的数组元素的索引，可用用np.where()函数或等效的np.nonzero()函数。为了获取满足条件的多维数组元素的索引，可用np.transpose(np.nonzero(x>1))或等效的np.where(x>1)
np.where()函数的更高级用法，使用三个参数condition、x、y，表示如果条件满足，就取array_like的x的对应元素替换，否则取y的对应元素替换。
np.clip()函数对一个数组给定一个interval如[a,b]，数组中值小于a的元素被赋值为a，值大于b的元素被赋值为b。
数组的运算
编辑数组可以与标量运算，也可以与另一个数组运算。
和Python中一样，a//b表示div b（整除），x**n表示xⁿ
向量的点积可以用np.dot()函数，也可以用运算符@， 如 a@b
向量的叉积可以用np.cross()函数
数组的成员函数可以做的运算：max、min、argmax、argmin、sum、var、mean、std、sort(原地排序)、
np.searchsorted()函数对已排序数组搜索一个值的第一次出现的索引。
浮点数比较，使用np.allclose()函数。可以指定相对公差参数rtol或绝对公差参数atol。
多维数组
编辑与一维数组相比，多维数组的新概念如下。
eyes()用于生成单位阵。
NumPy引入了axis的概念。对第i个轴，如x.sum(axis=1)，表示保持其他索引，对第i个索引的遍历求累计值。
多维数组的运算符，除了@是矩阵乘法，其他均为element-wise。二维操作运算中，行向量和列向量被不同地对待。默认情况下，一维数组在二维操作中被视为行向量。因此，行向量的shape，是(n，)即(1，n)。
矩阵的转置，如x.T
一维数组生成二位数组可以使用reshape函数或newaxis建立新索引，都是原数组的view。例如a是一维数组，a.reshape(-1,1)等效于a[:,None]，相当于行向量变为列向量。其中-1表示reshape自动计算该维度上的长度；方括号中的None充当np.newaxis的快捷方式，即在指定位置添加了一个空axis。
因此，NumPy中总共有三种类型的向量：一维数组，二维行向量和二维列向量。后二者转化为一维数组，可以用成员函数flatten()或reshape(-1)。根据规则，一维数组被隐式解释为二维行向量，因此通常不必在这两个数组之间进行转换，但一维数组的转置T操作结果还是原数组。
矩阵的堆叠或叫做连接，使用np.hstack与np.vstack()。矩阵与一维数字的水平堆叠，也可以用np.column_stack()。np.append()也可以对行或列追加。堆叠的逆操作是分裂：np.hsplit()与np.vsplit
矩阵可以通过两种方式完成复制：tile类似于分块矩阵的复制粘贴，repeat类似于逐行或逐列的复制。
特定的列和行可以用np.delete()删除。逆运算为np.insert()函数