这是一篇Numpy中常常使用的API的不彻底总结，欢迎补充和指导。算法
01
数组
类型转化微信
凡是使用Numpy的小伙伴，无不遇到类型转化这个问题，而且常常须要经过调试才得以修正。机器学习
为何这个问题如此棘手？编辑器
请看， arr = np.array([9,10,'2',10]，只有一个元素为str类型，那么numpy会当即将全部元素转为str型。学习
在工做中，咱们常常须要添加整列添加元素，这种操做可能会改变原来元素的类型。若是，你的操做涉及到数值上的加减乘除，添加元素后意外变为str型后，就会抛出异常。flex
这时候，须要进行显示类型转化：url
arr = arr.astype(np.float64) # 直接转化为float64类型spa
02
.net
维数变化
有时候须要将多维数组变为更小维的数组，好比经常使用的二维下降到一维。
以下的二维数组：
array([[ 5, 2], [10, 8], [ 3, 1]])
调用：
arr2 = arr.flatten()
变为1维：
array([ 5, 2, 10, 8, 3, 1])
03
排序
在numpy中，如何根据某列对多维数组正确排序，借助 lexsort
以下的二维数组myarray:
[['5', '4', '9', '10'], ['23', '7', '3', '5'], ['7', '3', '13', '4']
按照第3列从小到大排序：
myarray[np.lexsort(myarray[:,::-3].T)]
结果：
[['23', '7', '3', '5'], ['5', '4', '9', '10'], ['7', '3', '13', '4']]
04
一个带雷的去重方法
根据某种重复定义，去重，下面提供一种去重方法，可是它会带来另外一个陷阱。
c=np.array(((1,2),(3,4),(5,6),(7,8),(7,8),(3,4),(1,2)))
规定(1,2)元包重复，想拿掉最后一个。
提供一种一行代码去重的方法：
np.array(list(set([tuple(t) for t in c])))
结果：
[[1, 2], [3, 4], [5, 6], [7, 8] ]
这里类型变为list的了，你们忽略这个问题。
我想说的是另外一个问题，这个结果貌似运来元素的顺序未变化。
但，由于经过set类型去重后，原来元素的顺序不给予保证，若是对顺序有要求的数据，通过这种去重后，会变得和原来的排序后的顺序不一致。这是须要注意的！
05
返回值
不光Numpy中，在引用任何其余库，必定要注意调用的接口影响的是参数，仍是返回值。
rslt = np.c_[arr_a,arr_b] # 返回值是拼接后结果
而有些接口，直接将参数值修改，无返回值或其余返回值，这种须要区别对待。
本文分享自微信公众号 - Python与算法社区（alg-channel）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。