ndarray的聚合

np.sum()

# axis=None 表示所有的维度都聚合成0维度
np.sum(axis=0) # axis=0表示对行聚合，行没了，列还在
np.sum(axis=1) # axis=0表示对列聚合，列没了，行还在

np.prod()

笛卡尔乘积

np.mean()
np.std()
np.var()
np.min()
np.max()
np.median()
np.argmin()

返回最小值的索引

np.argmax()

返回最大值的索引

np.percentile()
np.any()
np.all()

any([1,2,3,4,5,[]])
all([1,2,3,4,5,[]])

np.dot()

矩阵积
n = np.random.randint(0,100,size=(4,5))
n2 = np.random.randint(0,100,size=(4,4))
# 矩阵的积，矩阵的点乘.要求第一个矩阵的列数与第二个矩阵的行数相同才行
# 矩阵的积是有顺序的，不满足乘法的交换率
np.dot(n,n2)

np.power()

广播机制

ndarray广播机制的条件
当运算的ndarray的shape不一致的时候，numpy就会启动广播机制
目的就是为了让运算的两个ndarray的shape变成一样
为缺失的维度补1
假定缺失元素用已有值填充