numpy(2)

np.concatenate

数组拼接函数，concatenate((a1,a2,……),axis=0)

参数a1，a2……为要拼接的数组，axis为在哪个维度上进行拼接。默认为0

>>>import numpy as np
>>>a=np.array([[1,2],[3,4]])
>>>b=np.array([[5,6]])

>>>np.concatenate((a,b),axis=0)
array([[1, 2],
[3, 4],
[5, 6]])

>>>np.concatenate((a,b.T),axis=1)
array([[1, 2, 5],
[3, 4, 6]])

np.eye

生成对角矩阵

numpy.eye(N,M=None, k=0, dtype=)

第一个参数：输出方阵（行数=列数）的规模，即行数或列数

第三个参数：默认情况下输出的是对角线全“1”，其余全“0”的方阵，如果k为正整数，则在右上方第k条对角线全“1”其余全“0”，k为负整数则在左下方第k条对角线全“1”其余全“0”。

>>>import numpy as np
>>>np.eye(1,3,dtype=int)
array([[1, 0, 0]])
>>>np.eye(2,3,dtype=int)
array([[1, 0, 0],
[0, 1, 0]])
>>>np.eye(2,2,dtype=int)
array([[1, 0],
[0, 1]])
>>>np.eye(4,4,dtype=int)
array([[1, 0, 0, 0],
[0, 1, 0, 0],
[0, 0, 1, 0],
[0, 0, 0, 1]])

>>>np.eye(4,4,k=2,dtype=int)
array([[0, 0, 1, 0],
[0, 0, 0, 1],
[0, 0, 0, 0],
[0, 0, 0, 0]])

np.random.multivariate_normal

multivariate_normal(mean,cov,size=None,check_valid=None,tol=None)：用于根据实际情况生成一个多元正态分布矩阵

其中mean和cov为必要的传参而size，check_valid以及tol为可选参数。

mean：mean是多维分布的均值维度为1；

cov：协方差矩阵，注意：协方差矩阵必须是对称的且需为半正定矩阵；

size：指定生成的正态分布矩阵的维度（例：若size=(1, 1, 2)，则输出的矩阵的shape即形状为 1X1X2XN（N为mean的长度））。

check_valid：这个参数用于决定当cov即协方差矩阵不是半正定矩阵时程序的处理方式，它一共有三个值：warn，raise以及ignore。当使用warn作为传入的参数时，如果cov不是半正定的程序会输出警告但仍旧会得到结果；当使用raise作为传入的参数时，如果cov不是半正定的程序会报错且不会计算出结果；当使用ignore时忽略这个问题即无论cov是否为半正定的都会计算出结果。

np.load

将数组以二进制格式读出磁盘，np.load(“名.npy”,encoding=””)，encoding可为”latin1”、”ascll”、”bytes”，默认为ascll。

np.save

将数组以二进制格式写入磁盘，np.save(“名.npy”,某个数组)

>>> import numpy as np
>>> A=np.arange(15).reshape(3,5)
>>> A
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
>>> np.save("A.npy",A)#如果文件路径末尾没有扩展名，该扩展名会被自动加上
>>> B=np.load("A.npy")
>>> B
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

np.argsort

np.argsort(list)：对列表从小到大排序，返回索引值