本附录包含有用的 NumPy 函数及其说明的列表。
-
numpy.apply_along_axis（func1d, axis, arr, *args）：沿arr的一维切片应用函数func1d。 -
numpy.arange([start,] stop[, step,], dtype=None)：创建一个 NumPy 数组，它在指定范围内均匀间隔。 -
numpy.argsort(a, axis=-1, kind='quicksort', order=None)：返回对输入数组进行排序的索引。 -
numpy.argmax(a, axis=None)：返回沿轴的最大值的索引。 -
numpy.argmin(a, axis=None)：返回沿轴的最小值的索引。 -
numpy.argwhere(a)：查找非零元素的索引。 -
numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)：从类似数组的序列（例如 Python 列表）创建 NumPy 数组。 -
numpy.testing.assert_allclose((actual, desired, rtol=1e-07, atol=0, err_msg='', verbose=True)：如果两个对象在指定的精度下不相等，则引发错误。 -
numpy.testing.assert_almost_equal()：如果两个数字在指定的精度下不相等，则引发异常。 -
numpy.testing.assert_approx_equal()：如果两个数字在某个有效数字下不相等，则引发异常。 -
numpy.testing.assert_array_almost_equal()：如果两个数组在指定的精度下不相等，则引发异常。 -
numpy.testing.assert_array_almost_equal_nulp(x, y, nulp=1)：将数组与其最低精度单位（ULP）。 -
numpy.testing.assert_array_equal()：如果两个数组不相等，则引发异常。 -
numpy.testing.assert_array_less()：如果两个数组的形状不同，并且第一个数组的元素严格小于第二个数组的元素，则会引发异常。 -
numpy.testing.assert_array_max_ulp(a, b, maxulp=1, dtype=None)：确定数组元素最多相差 ULP 的指定数量。 -
numpy.testing.assert_equal()：测试两个 NumPy 数组是否相等。 -
numpy.testing.assert_raises()：如果使用定义的参数调用的可调用对象未引发指定的异常，则失败。 -
numpy.testing.assert_string_equal()：断言两个字符串相等。 -
numpy.testing.assert_warns()：如果未引发指定的警告，则失败。 -
numpy.bartlett(M)：返回带有M点的 Bartlett 窗口。 此窗口类似于三角形窗口。 -
numpy.random.binomial(n, p, size=None)：从二项分布中抽取随机样本。 -
numpy.bitwise_and(x1, x2[, out])：计算数组的按位AND。 -
numpy.bitwise_xor(x1, x2[, out])：计算数组的按位XOR。 -
numpy.blackman(M)：返回一个具有M点的布莱克曼窗口，该窗口接近最佳值，并且比凯撒窗口差。 -
numpy.column_stack(tup)：堆叠以元组列形式提供的一维数组 。 -
numpy.concatenate ((a1, a2, ...), axis=0)：将数组序列连接在一起。 -
numpy.convolve(a, v, mode='full')：计算一维数组的线性卷积。 -
numpy.dot(a, b, out=None)：计算两个数组的点积。 -
numpy.diff(a, n=1, axis=-1)：计算给定轴的 N 阶差。 -
numpy.dsplit(ary, indices_or_sections)：沿着第三轴将数组拆分为子数组。 -
numpy.dstack(tup)：沿第三轴堆叠以元组形式给出的数组。 -
numpy.eye(N, M=None, k=0, dtype=<type 'float'>)：返回单位矩阵。 -
numpy.extract(condition, arr)：使用条件选择数组的元素。 -
numpy.fft.fftshift(x, axes=None)：将信号的零频率分量移到频谱的中心。 -
numpy.hamming(M)：返回带有M点的汉明窗口。 -
numpy.hanning(M)：返回具有M点的汉宁窗口。 -
numpy.hstack(tup)：水平堆叠以元组形式给出的数组。 -
numpy.isreal(x)：返回一个布尔数组，其中True对应于输入数组的实数（而不是复数）元素。 -
numpy.kaiser(M, beta)：对于给定的beta参数，返回带有M点的凯撒窗口。 -
numpy.load(file, mmap_mode=None)：从.npy，.npz，或腌制中加载 NumPy 数组或腌制对象。 内存映射的数组存储在文件系统中，不必完全加载到内存中。 这对于大型数组尤其有用。 -
numpy.loadtxt(fname, dtype=<type 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)：将文本文件中的数据加载到 NumPy 数组中。 -
numpy.lexsort (keys, axis=-1)：使用多个键进行排序。 -
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)：返回在间隔内均匀间隔的数字。 -
numpy.max(a, axis=None, out=None, keepdims=False)：沿轴返回数组的最大值。 -
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=False)：沿给定轴计算算术平均值。 -
numpy.median(a, axis=None, out=None, overwrite_input=False)：沿给定轴计算中位数 。 -
numpy.meshgrid(*xi, **kwargs)：返回坐标向量的坐标矩阵。 例如：In: numpy.meshgrid([1, 2], [3, 4]) Out: [array([[1, 2], [1, 2]]), array([[3, 3], [4, 4]])]
-
numpy.min(a, axis=None, out=None, keepdims=False)：沿轴返回数组的最小值。 -
numpy.msort(a)：返回沿第一轴排序的数组的副本。 -
numpy.nanargmax(a, axis=None)：返回给定一个忽略 NaN 的轴的最大值的索引。 -
numpy.nanargmin(a, axis=None)：返回给定的轴的最小值索引，忽略 NaN。 -
numpy.nonzero(a)：返回非零数组元素的索引。 -
numpy.ones(shape, dtype=None, order='C')：创建指定形状和数据类型的 NumPy 数组，包含 1s。 -
numpy.piecewise(x, condlist, funclist, *args, **kw)：分段求值函数。 -
numpy.polyder(p, m=1)：将多项式微分为给定阶数。 -
numpy.polyfit(x, y, deg, rcond=None, full=False, w=None, cov=False)：执行最小二乘多项式拟合。 -
numpy.polysub(a1, a2)：减去多项式。 -
numpy.polyval(p, x)：以指定值求值多项式。 -
numpy.prod(a, axis=None, dtype=None, out=None, keepdims=False)：返回指定轴上数组元素的乘积 。 -
numpy.ravel(a, order='C')：展平数组，或在必要时返回副本。 -
numpy.reshape(a, newshape, order='C')：更改 NumPy 数组的形状 。 -
numpy.row_stack(tup)：逐行堆叠数组。 -
numpy.save(file, arr)：以 NumPy.npy格式将 NumPy 数组保存到文件中。 -
numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ')：将 NumPy 数组保存到文本文件。 -
numpy.sinc(a)：计算sinc函数。 -
numpy.sort_complex(a)：首先以实部，然后是虚部对数组元素进行排序。 -
numpy.split(a, indices_or_sections, axis=0)：将数组拆分为子数组。 -
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=False)：沿给定轴返回标准差。 -
numpy.take(a, indices, axis=None, out=None, mode='raise')：使用指定的索引从数组中选择元素。 -
numpy.vsplit(a, indices_or_sections)：将数组垂直拆分为子数组。 -
numpy.vstack(tup)：垂直堆叠数组。 -
numpy.where(condition, [x, y])：基于布尔条件从输入数组中选择数组元素。 -
numpy.zeros(shape, dtype=float, order='C')：创建指定形状和数据类型的 NumPy 数组，其中包含零。