3、numpy常用函数

where 是条件函数，可以指定满足条件与不满足条件位置对应的填充值：

a = np.array([-1, -1, -1, 0])

np.where(a>0, a, 5)		# 当对应的条件为True时填充a对应元素，佛则填充5

结果显示：

array([5, 1, 5, 5])

三个函数都是索引，argmax和argmin返回的是该值的下标

nonzero是返回非零数的索引
argmax返回的是最大数的索引
argmin返回最大和最小数的索引

【nonzero】

a = np.array([-2, -5, 0, 1, 3, -1])

np.nonzero(a)

输出结果：

(array([0, 1, 3, 4, 5], dtype=int64),)

【argmax】

a.argmax()

输出结果：

4

【argmin】

a.argmin()

输出结果：

1

any指当序列 至少存在一个True或非零元素时返回True,否则返回Fasle

all指当序列元素 全为True或非零元素时返回True，否则返回Fasle

a = np.array([0,1])

a.any()
# 结果显示：True

a.all()
# 结果显示：False

cumprod, cumsum 分别表示累乘和累加函数，返回同长度的数组， diff 表示和前一个元素做差，由于第一个元素为缺失值，因此在默认参数情况下，返回长度是原数组减 1

a = np.array([1,2,3])

a.cumprod()
# 结果显示：array([1, 2, 6], dtype=int32)

 a.cumsum()
# 结果显示：array([1, 3, 6], dtype=int32)

np.diff(a)
# 结果显示：array([1, 1])

最大值：array.max()
最小值：array.min()
算数平均值：array.mean()
标准差：array.std()
方差：array.var()
求和：array.sum()
分位数：np.quantile(array, 分位点)
协方差：np.cov(array1, array2)
相关系数：np.corrcoef(array1, array2)