a的每一行与b相加

1. 对a数组进行循环（循环耗性能）

2. 使用tile重复函数

3. 直接相加（内部有广播处理机制，在缺失维度进行）

同维度数组的加减乘除

加：a+b或者np.add(a,b)

减：a-b或者 np.subtract(a,b)

乘：a*b或者np.multiply(a,b)

除：a/b或者 np.divide(a,b)

数组开方：np.sqrt(a)

矩阵乘法(a列数=b行数才可进行）：a.dot(b)或者np.dot(a,b)

sum求和函数

np.sum(a)

np.sum(a,axis=0)(aixs=0代表每列，axis=1代表每行）

mean平均值函数

np.mean(a,axis=1)

uniform指定范围的随机数

np.random.uniform(2,99)

tile数组重复函数

np.tile(a,(2,3))(列重复次数与行重复次数）

argsort数组行列排序函数

a.argsort()(每行排序，返回的是数组下标）

a.argsort(axis = 0) (每列排序）

矩阵转置

a.T或者np.transport(a)

索引的第二种方法，使用arange函数

np.arange(3)(相当于从0到3，不包括3）——> array([0,1,2])

np.nrange(3,7——> array([3,4,5,6])

#第二列元素+10的3种写法

a[np.arange(3),1] +=10

a[np.arange(3),[1,1,1]] +=10

a[[0,1,2],[1,1,1]] +=10

#获取数组中大于10的元素

result_index = a >10

a[result_index]

array的索引操作：

正数时是从0开始

倒数时是从-1开始

范围是2：4时是不包括4的

当我们在一个维度使用一个整数来索引时，维度就会减一

对a进行 b = a[2:3,1:3]的操作，可以得到 array([[10,11]]) ，仍是二维数组

import numpy as np

a = np.array([1,2,3,4,5,6)

print(a)

type(a)

a.shape()

a = a.reshape((1,-1))

a = a.reshape((2,-1))

a = a.reshape((-1,2))

#修改数组单个元素

a[2][0] = 100

#利用原有函数创建数组

a =np.zeros((3,2))

a = np.ones((2,3))

a = np.full((3,4,),1)

a = np.full((5,2,),0)

a = np.eye(5)

a =np.random.random()

axis=0 对列进行操作

axis=1 对行进行操作

np.random.uniform(3,4) 产生3到4之间的随机小数

a.argsort()为每一行的排序结果，输出一个与a同样大小的数组，其中每个元素为a中元素的位置index

a.T  np.transpose(a) 转置操作
np.tile(a,(2,1))    以a为元素，构成（2,1）矩阵

a.dtype 函数判断数组a当中是什么数据类型

a=np.array([1.1,2.6],dtype=np.int64 ) 指定a数组当中元素的数据类型为int

np.arange(3) 产生一个数组[0,1,2]

np.arange(3,7) 产生一个数组[3,4,5,6]

result_index = a>10

获取一个与a相同维度的Bool值数组

a[result_index]会把a中result_index为True的元素保存到一个一维数组中，就是满足条件的值

rank：数组维数

reshape((x,y)):x->行，y->列，-1->占位符

a type(a) //查看a的类型 

a.shape //查看a的大小 a=a.reshape((1,-1)) //第一个1是只有一行，-1是一个占位符 

np.zeros((x,y)):创建x行y列元素为0的数组

np.ones((x,y))

np.full((x,y),z):创建x行y列数组，所有元素都为z

np.eye(n):n维单位矩阵

np.random.random((x,y)) x行y列的取值范围在0-1的随机数组，

shift+enter 执行

esc+m 添加笔记

#+空格 标题

*+空格 点

python发行版版本

1.需求：将a的每一行和b相加

1）# 如果数组a比较大的话，使用这种方法会非常低效，因为python中for循环计算比较慢

for i in range(4):     # a一共是4行

a[i,:] += b         # 将a的每一行和b相加

2）# 数组比较大的时候可以私用这种方法

a + np.tile(b, (4,1))

3）# 在numpy中使用广播会更加简单,下面就是广播

# 也就是说我们可以将不同维度的数组进行相加，numpy会自动将数组转换为相同维度，广播会在缺失维度和数值为1的维度上进行，这就是numpy广播特性

a + b