Numpy库的简单用法（3）
1、使用数组进行面向数组编程（续）
（3）布尔值数组的方法
根据布尔值数组的特点，True会被强制为1，False会被强制为0，因此可以计算布尔值数组中True的个数；并且对布尔值数组有两个有用的方法any和all。any检查数组中是否至少有一个True，all检查是否全都是True。
（4）排序
可以使用sort方法进行排序，与python内建的列表一样。
（5）唯一值与其他集合逻辑
numpy中包含一些关于集合的操作方法，有：
方法 | 描述 |
|---|---|
unique(x) | 计算x的唯一值，并排序 |
intersect1d(x, y) | 计算x和y的交集，并排序 |
union1d(x, y) | 计算x和y的并集，并排序 |
in1d(x, y) | 计算x中的元素是否包含在y中，返回一个布尔数组 |
setdiff1d(x, y) | 差集，在x中但不在y中的x元素 |
setxor1d(x, y) | 异或集，在x或y中，但不属于x, y交集的元素 |
2、线性代数
线性代数，比如矩阵的乘法、分解、行列式等方阵数学，是所有数组类库的重要组成部分。numpy的数组方法和numpy命名空间中都有一个函数dot，用于矩阵操作。
并且numpy.linalg拥有一个矩阵分解的标准函数集，以及其他常用函数。常用的函数如下表：
函数 | 描述 |
|---|---|
diag | 将一个方阵的对角（或非对角）元素作为一个一维数组返回，或将一维数组转换成一个方阵，并且在非对角线上有零点 |
dot | 矩阵点乘 |
trace | 计算对角元素和 |
det | 计算矩阵行列式 |
eig | 计算方阵的特征值和特征向量 |
inv | 计算方阵的逆矩阵 |
solve | 求解x的线性系统Ax=b，其中A是方阵 |
lstsq | 计算Ax=b的最小二乘解 |
3、伪随机数
伪随机数是numpy一个重要功能，填补了python内建的random模块的不足，例如可以通过normal获得一个4*4的正态分布样本数组。
numpy.random中的部分函数列表
函数 | 描述 |
|---|---|
seed | 向随机数生成器传递随机种子 |
shuffle | 随机排列一个序列 |
rand | 从均匀分布中抽取样本 |
randint | 从给定的由低到高范围抽取随机整数 |
randn | 从均值为0，方差为1的正态分布中抽取样本 |
binomial | 从二项分布中抽取样本 |
normal | 从正态分布中抽取样本 |
beta | 从beta分布中抽取样本 |
chisquare | 从卡方分布中抽取样本 |
gamma | 从伽马分布中抽取样本 |
uniform | 从均匀[0, 1)分布中抽取样本 |
可以抽取几个常见的方法记住，其他的作为了解。
np.normal(loc, scale, size)返回均值为loc，标准差为scale，shape为size的数组。
seed随机种子的说明：随机种子的设定是为了在每一次执行程序能够得到相同的结果。如下面所示：
4、numpy示例：随机漫步
从0开始，设定步进值为0和1的概率相等。利用python实现一个1000步的随机漫步：