1 使用numpy存儲(chǔ)及提取任意維度的數(shù)據(jù)集
保存數(shù)據(jù)的方法有很多，但是現(xiàn)在對于我來說狐蜕，下面這種是比較好的一種方式宠纯。
保存數(shù)據(jù)： np.save('../Cs137data/numpy_data/dataSet_10cm.npy', dataSet1)
保存任意維度的數(shù)據(jù)到指定文件夾
加載數(shù)據(jù)： b1 = np.load('../Cs137data/numpy_data/dataSet_10cm.npy')
直接將數(shù)據(jù)讀出，獲得的數(shù)據(jù)集就是之前的數(shù)據(jù)集格式层释，完全不需要其他操作婆瓜，十分方便
2 np.random 的函數(shù)
通過設(shè)置種子，使得兩次產(chǎn)生的隨機(jī)數(shù)相同
np.random 的函數(shù)
np.random 的函數(shù)
numpy 的統(tǒng)計(jì)函數(shù)
3 numpy的統(tǒng)計(jì)函數(shù)
numpy 的統(tǒng)計(jì)函數(shù)
np.unravel_index(np.argmax(b), b.shape) 可以將np.argmax( b)得到的扁平下標(biāo)轉(zhuǎn)化為 b.shape的格式贡羔，這樣可以直接尋找到最大值的位置廉白，最小值的位置即只用 np.argmin() 來找。
4 numpy的梯度函數(shù)
numpy 的梯度函數(shù)
梯度的計(jì)算過程
計(jì)算多維數(shù)組的梯度乖寒，返回值有多個(gè)數(shù)組蒙秒，表示不同方向的變化率
5 數(shù)組的合并
(1) np.vstack((a, b)) 垂直合并，保證列維度一致
>>> a = np.array([1, 2, 3])
>>> b = np.array([2, 3, 4])
>>> np.vstack((a,b))
array([[1, 2, 3],
[2, 3, 4]])
（2）np.hstack((a, b)) 橫向合并宵统，保證行維度一致
>>> a = np.array((1,2,3))
>>> b = np.array((2,3,4))
>>> np.hstack((a,b))
array([1, 2, 3, 2, 3, 4])
參考
中國大學(xué)MOOC，Python數(shù)據(jù)分析與展示覆获，北京理工大學(xué)马澈，蒿天
有時(shí)候回頭看，不一定要會(huì)所有的技術(shù)弄息，但是要知道有哪些東西可以解決什么問題痊班，然后查資料來使用這些技術(shù)來解決實(shí)際問題。其實(shí)用了很久的 numpy摹量，再回頭看看這些課程涤伐，也會(huì)有不一樣的理解。
