1.对数组求指数和对数

参考
指数：
math.exp() 只能对一个数求指数，不能对数组进行批量求指数
numpy.exp()既能对一个数求指数，也能对数组进行批量求指数
对数：
math.log()
numpy.log()
作用同上

2.数组的最值及其索引

参考
在list列表中，max(list)可以得到list的最大值，list.index(max(list))可以得到最大值对应的索引

但在numpy中的array没有index方法，取而代之的是where，其又是list没有的

numpy中还有argmax/argmin方法来获取最值对应的索引，但是它返回顺序查找（行优先）下的索引，也就是没有分别的行和列，而且有相同最值情况下，它只返回第一个最值的索引。

首先我们可以得到array在全局和每行每列的最大值(最小值同理)

>>> a = np.arange(9).reshape((3,3))
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> print(np.max(a))		#全局最大
8
>>> print(np.max(a,axis=0))	#每列最大
[6 7 8]
>>> print(np.max(a,axis=1))	#每行最大
[2 5 8]

然后用where得到最大值的索引，返回值中，前面的array对应行数，后者对应列数

>>> print(np.where(a==np.max(a)))
(array([2], dtype=int64), array([2], dtype=int64))
>>> print(np.where(a==np.max(a,axis=0)))
(array([2, 2, 2], dtype=int64), array([0, 1, 2], dtype=int64))

import numpy as np

r = np.array([[-1,2,-3]])
# 输出：2
a = np.argmin(r)
print(a)
# 输出：1
b = np.argmax(r)
print(b)

3.按照行或者列求均值/求和/最大值/最小值/标准差/方差

参考

import numpy as np

a = np.arange(12).reshape(3, 4)
print(a.shape)
print(a)
# (3, 4)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

# 返回得到数组中所有元素的和
print(np.sum(a))
# 66

# 参数axis＝0时，返回数组各列的和，参数axis＝1时，返回数组各行的和。
print(np.sum(a, axis=0)) 
print(np.sum(a, axis=1))
# [12 15 18 21]
# [ 6 22 38]

# 不使用numpy的函数也是可以的，因为ndarndarray数组中也有相同的求和方法sum()。并且也可以通过参数axis指定行或列。
print(a.sum())
# 66

print(a.sum(axis=0))
print(a.sum(axis=1))
# [12 15 18 21]
# [ 6 22 38]

# numpy.mean()的使用方法与numpy.sum()相同，也可以通过参数axis指定行或列。
print(np.mean(a))
# 5.5

print(np.mean(a, axis=0))
print(np.mean(a, axis=1))
# [ 4.  5.  6.  7.]
# [ 1.5  5.5  9.5]

# 和sum()一样，ndarray数组中也有相同的求平均值的方法mean()。并且也可以通过参数axis指定行或列。
print(a.mean())
# 5.5

print(a.mean(axis=0))
print(a.mean(axis=1))
# [ 4.  5.  6.  7.]
# [ 1.5  5.5  9.5]

#在分别使用numpy.min()和numpy.max()求数组中元素的最小值与最大值的时候，也可以通过参数axis指定行或列。并且，为了使用方便，还可以直接使用函数numpy.amin()和numpy.amax()进行计算，所得到的结果是一样的。
print(np.min(a))
print(np.min(a, axis=0))
print (np.amin(a,0))
# 0
# [0 1 2 3]
# [0 1 2 3]

print(a.max())
print(a.max(axis=1))
print(np.amax(a,1))
# 11
# [ 3  7 11]
# [ 3  7 11]

# 求标准差和方差的函数分别为numpy.std()和numpy.var()。使用方法和之前相同，也可以通过参数axis指定行或列。
print(np.std(a))
#3.452052529534663

print(np.var(a))
#11.916666666666666

4.取对角线元素

a= np.array([[1,2],[0.5,3],[3,4]])
a.diagonal()

输出：
array([1., 3.])

5.取两个数组对应的最大或最小值

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

输出：
array([1, 2, 1])

6.对数组重新排列

a = np.array([[1,2],[0.5,3],[3,4]])
b = [2, 1, 3]
c = np.argsort(b)
print(c)
bb = np.array(b)[c]
print(bb)
aa = np.array(a)[c]
print(aa)

输出：
[1 0 2]
[1 2 3]
[[0.5 3. ]
 [1.  2. ]
 [3.  4. ]]