import numpy as npxarr = np.array([1.1, 1.2, 1.3, 1.4, 1.5])yarr = np.array([2.1, 2.2, 2.3, 2.4, 2.5])cond = np.array([True, False, True, True, False])# 如果cond中的值是T时，选取xarr的值，否则从yarr中选取。这种模式就是：x if condition else y (condition与x相等，就选x，否则y)result = [(x if c else y)           for x, y, c in zip(xarr, yarr, cond)]#print result‘‘‘上面式子可以用一个函数代替：np.where( , , ,)。第一个参数是一个判定，这个判定的结果是根据后面两个参数来输出的。其中，第二个是第一个参数的True结果输出，而第三个参数是第一个False结果输出。‘‘‘result = np.where(cond,xarr,yarr)#print resultfrom numpy.random import randnarr = randn(4,4)#把大于0的值变成2，小于0的值变成-2result = np.where(arr > 0, 2, -2)#print result#只把大于0的值变成2，其他的不变result = np.where(arr > 0, 2, arr)#print result‘‘‘np.where(rond1 & rond2, 0,           np.where(rond1, 1,                      np.where(rond2, 2, 3)))‘‘‘ax = np.random.randn(5, 4)#print axa = ax[0,:]#计算每一行的均值使用axis = 1  1代表行#print ax.mean(axis=1)#print a.mean()b = ax[:,0]#计算每一列的均值使用axis = 0  0代表列#print ax.mean(axis=0)#print b.mean()ay = np.array([[0,1,2],               [3,4,5],               [6,7,8]])#计算每一列前个数与后个数的和，返回的仍是一个数组。     0代表列#print ay.cumsum(0)#计算每一行前个数与后个数的积，返回的仍是一个数组。     1代表行#print ay.cumprod(1)#计算ax中正数的个数, 布尔值会被强制转为1（True）和 0（False）。#print ( ax > 0 ).sum()

import numpy as npa = np.arange(10)np.save("some_array", a)b = np.load("some_array.npy")#print b#加载txt和逗号分隔文件（CSV）方式。保存用np.savetxt方式#ab = np.loadtxt("array_ex.txt", delimiter= ",")#线性代数#建立一个一维数组由3个1组成。np.ones(3)x = np.array([[1,2,3], [4,5,6]])y = np.array([[6, 23],[-1, 7],[8, 9]])#计算两个数组的乘积。dot()函数x.dot(y)np.dot(x, y)np.dot(x, np.ones(3))from numpy.random import randnfrom numpy.linalg import inv, qrX = randn(5, 5)mat = X.T.dot(X)#计算数组的逆inv(mat)mat.dot(inv(mat))#计算QR分解q, r = qr(mat)#print r

import randomimport numpy as npfrom numpy.random import randintb = np.random.randint(0,2)  # numpy中的randint不能取右端的那个值，也就是例子中（0，2）不能取到2a = random.randint(0,2)     # random中的randint是可以取到右端的值，（0，2）也就是在0，1，2中随机取值#随机漫步（普通版）position = 0walk = [position]steps = 10for i in xrange(steps):    # 这句话实际上是一种逻辑判断句，random.randint是逻辑判断条件，与0比较。标准语句：a if condition else b .判断条件大于0，选择a，反之，选择b。    step = 1 if random.randint(0,1) else -1    position += step    walk.append(position)#print walk#随机漫步（提升版）nsteps = 10draws = np.random.randint(0,2, size= nsteps)steps = np.where(draws > 0, 1, -1)# 将结果变成一种数组walk = steps.cumsum()#print walk#只有数组能这样使用walk.min()walk.max()#判断从0到2步，所需要多久，多少次。(np.abs(walk) >= 2).argmax()#多个随机漫步nwalks = 100nsteps = 100draws = np.random.randint(0,2, size=(nwalks, nsteps))steps = np.where(draws > 0, 1, -1)#计算每一行的累计和。“1”代表行，“0”代表列walks = steps.cumsum(1)walks.min()walks.max()#计算大于20或-20的布尔值（True，False）np.abs(walks) >= 20#计算每一行中有大于20或-20的布尔值hits20 = (np.abs(walks) >= 20).any(1)#计算达到20或-20的行，一共有多少个hits20.sum()#计算达到20或-20的行的漫步累计次数walks[hits20]#计算达到20或-20的每一行第一次漫步到20或-20的步数crossing_times = (np.abs(walks[hits20])>= 20).argmax(1)#计算达到20或-20的每一行第一次漫步到20或-20的步数的均值print crossing_times.mean()