熟练掌握Numpy是基于python机器学习必备技能，本文统计了2本tensorflow书中tf出现的频率：
| numpy | count | notes |
|---|---|---|
| np.array | 186 | 声明数组 |
| np.transpose | 117 | 矩阵转置 |
| np.random.choice | 108 | 随机选取内容 |
| np.round | 30 | 随机数 |
| np.random.seed | 24 | 如果使用相同的seed( )值，则每次生成的随即数都相同 |
| np.random.normal | 21 | 获得正态分布数据 |
| np.zeros | 19 | 用0填充的数组 |
| np.argmax | 18 | 最大数的索引 |
| np.nan_to_num | 16 | 0代替nan |
| np.mean | 15 | 求均值 |
| np.linspace | 14 | 在指定的间隔内返回均匀间隔的数字 |
| np.sqrt | 10 | 平方根 |
| np.repeat | 10 | 对数组中的元素进行连续重复复制 |
| np.roll | 9 | 将a，沿着axis的方向，滚动shift长度 |
| np.arange | 9 | [start, ]stop, [step, ]dtype=None |
| np.meshgrid | 8 | 从坐标向量返回坐标矩阵 |
| np.concatenate | 8 | 一次完成多个数组的拼接 |
| np.sum | 7 | 求和 |
| np.reshape | 7 | 给予数组一个新的形状 |
| np.random.permutation | 7 | 返回一个洗牌后的矩阵副本. 对比shuffle |
| np.expand_dims | 6 | 升维[1] -> [[1]] |
| np.ceil | 6 | 向上取整 |
| np.c_ | 7 | 将切片对象沿第二个轴（按列）转换为连接 squeeze |
| np.sort | 4 | 排序 {‘quicksort’, ‘mergesort’, ‘heapsort’}, |
| np.resize | 4 | 调整数组大小 |
| np.random.uniform | 4 | 均匀分布[low,high)中随机采样，左闭右开 |
| np.hstack | 4 | 数组合并水平， vstack垂直 |
| np.column_stack | 4 | 列合并，行合并row_stack |
| np.array_split | 4 | 数组分割 |
| np.squeeze | 3 | 从数组的形状中删除单维条目，即把shape中为1的维度去掉 |
| np.ones | 3 | 单位矩阵 |
| np.matmul | 3 | 矩阵相乘 |
| np.setdiff1d | 2 | 差集 |
| np.random.shuffle | 2 | 当前数组混洗,对比permutation |
| np.random.rand | 2 | 随机样本 |
| np.ndenumerate | 2 | 类似list的enumerate |
| np.min | 2 | 最小值 |
| np.zeros_like | 1 | shape相同的0值矩阵 |
| np.sin | 1 | 余弦 |
| np.random.randn | 1 | 标准正态分布 |
| np.random.randint | 1 | 随机整数 |
| np.log | 1 | 求对数 |
| np.exp | 1 | 以自然常数e为底的指数函数 |
| np.abs | 1 | 绝对值 absolute |
| np.load | 1 | 加载数据 |
| np.save | 1 | 保存数据 |
| np.isnan | 1 | nan值判断 |
| np.float32 | 3 | . |
| np.int32 | 1 | . |
| np.uint8 | 1 | . |
网友评论