NumPy攻略Python科学计算与数据分析(（印尼）IvanIdris著；张崇明译)

书: https://pan.baidu.com/s/1hMg-9fMkkzntAfHoLymQMA?pwd=2tx9
笔记如下：

1. NumPy简介：NumPy是Python科学计算的基础库，提供高性能的多维数组对象（ndarray）和数学函数。
2. 数组创建：

• np.array([1, 2, 3]) 创建一维数组
• np.zeros((3,3)) 创建全零矩阵
• np.arange(10) 类似Python的range

1. 数组属性：

• ndarray.shape 数组维度
• ndarray.dtype 数据类型
• ndarray.size 元素总数

1. 数组操作：

• 索引和切片（arr[1:3]）
• 布尔索引（arr[arr > 5]）
• 花式索引（arr[[0,2,4]]）

1. 数组运算：

• 逐元素运算（+, -, *, /）
• 矩阵乘法（np.dot(A,B) 或 A @ B）
• 广播机制（不同形状数组的运算）

1. 常用数学函数：

• np.sin(), np.cos() 三角函数
• np.exp(), np.log() 指数和对数
• np.sqrt() 平方根

1. 统计函数：

• np.mean() 平均值
• np.median() 中位数
• np.std() 标准差

1. 线性代数：

• np.linalg.inv() 矩阵求逆
• np.linalg.eig() 特征值和特征向量
• np.linalg.solve() 解线性方程组

1. 随机数生成：

• np.random.rand() 均匀分布
• np.random.randn() 标准正态分布
• np.random.randint() 随机整数

1. 文件IO：
   • np.save()/np.load() 保存和加载数组
   • np.savetxt()/np.loadtxt() 文本文件读写
2. 数组拼接与分割：
   • np.concatenate() 数组拼接
   • np.vstack()/np.hstack() 垂直/水平堆叠
   • np.split() 数组分割
3. 数组重塑：
   • arr.reshape((2,3)) 改变形状
   • arr.flatten() 展平为一维数组
4. 排序和搜索：
   • np.sort() 排序
   • np.argsort() 返回排序索引
   • np.where() 条件搜索
5. 掩码数组：
   • np.ma.masked_array() 处理缺失值
   • np.ma.masked_where() 条件掩码
6. 性能优化：
   • 向量化操作避免循环
   • 使用np.einsum()进行爱因斯坦求和约定
7. 通用函数（ufunc）：
   • np.add.reduce() 累加
   • np.multiply.outer() 外积
8. 结构化数组：
   • 定义复合数据类型（dtype=[('name', 'S10'), ('age', 'i4')]）
   • 类似数据库表的操作
9. 内存布局：
   • arr.flags 查看内存信息
   • np.ascontiguousarray() 确保连续内存
10. 与Pandas交互：
    • Pandas的DataFrame与NumPy数组相互转换
    • 使用df.values获取NumPy数组
11. 实际应用案例：
    • 图像处理（数组作为像素矩阵）
    • 机器学习数据预处理
    • 数值模拟和科学计算