NumPy面向数组

使用NumPy数组可以使你利用简单的数组表达式完成多种数据操作任务，而无须写些大量循环。这种利用数组表达式来替代显式循环的方法，称为向量化。通常，向量化的数组操作会比纯Python的等价实现在速度上快一到两个数量级（甚至更多），这对所有种类的数值计算产生了最大的影响。附录A中我解释的广播机制，就是向量化计算的有效方式。
作为一个简单的示例，假设我们想要对一些网格数据来计算函数sqrt(x^2 + y^2)的值。np.meshgrid函数接收两个一维数组，并根据两个数组的所有(x, y)对生成一个二维矩阵,并使用matplotlib函数imshow根据函数值生成图像：

import numpy as np
import matplotlib.pyplot as plt
points = np.arange(-5,5,0.01)
xs,ys = np.meshgrid(points,points)
z = np.sqrt(xs**2+ys**2)
plt.imshow(z)
plt.title("Image plot of $\sqrt{x^2+y^2}$ for a grid value")

将条件逻辑作为数组操作，numpy的where函数是三元表达式x if condition else y的向量化版本。

许多关于计算整个数组统计值或关于轴向数据的数学函数，可以作为数组类型的方法被调用。你可以使用聚合函数（通常也叫缩减函数），比如sum、mean和std（标准差），既可以直接调用数组实例的方法，也可以使用顶层的NumPy函数。像means，sum函数可以接收一个可选参数axis,用于计算给定轴上的统计值，形成一个下降一维的数组。下表是基础数组统计方法：

方法	描述
sum	沿轴向计算所有元素的累和，0长度的数组累和为0
mean	数学平均值，0长度的数组的平均值为NaN
std,var	标准差，方差
min,max	最小值和最大值
argmin,argmax	最小最大值的位置
cumsum	从0开始元素累和
cumrod	从1开始元素累积

对于布尔值数组，有两个非常有用的方法any和all。any检查数组中是否至少有一个True，而all检查是否每个值是否都为True

对于排序而言，NumPy数组可以使用sort函数位排序，也可以对不同的axis进行排序，顶层的np.sort()返回的是已排好序的数组而不是对原数组的位置排序。

对于一些NumPy的nadarray的基础集合操作如下：

方法	描述
unique(x)	计算x的唯一值并排序
intersect1d(x,y)	计算x和y的交集，并排序
union1d(x,y)	计算x和y的并集，并排序
in1d(x,y)	计算x中的元素是否包含在y中，返回一个布尔值数组
setdiff1d(x,y)	差集，在x中但不在y中的x的元素
setxor1d(x,y)	异或集，在x或y中，当不属于x、y交集的元素

赏

谢谢你请我吃糖果