Python库中一些与科学计算相关的方法

numpy.zeros(shape, dtype=float, order='C')

返回1个给定形状和类型的新数组，并用0填充；

random.random()

返回在[0.0, 1.0)范围内的下一个随机浮点数；

random.uniform(a, b)

返回1个随机浮点数，满足条件a <= N <= b（当a <= b时）；

random.sample(population, k)

返回从序列population中1个长度为k的取样，序列population中的元素不必是不同的值；

numpy.random.randint(low, high=None, size=None)

返回1个在[low, high)范围内满足离散型均匀分布的随机整数，如果high是None（默认），结果就在[0, low)范围内；

numpy.random.normal(loc=0.0, scale=1.0, size=None)

返回1个从正态（高斯）分布中抽样的数组；

numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)

创建1个数组；

numpy.nonzero(a)

返回1个数组的元组，元组的元素数是a的维度数，每个元素是所有非0元素在该维度上的索引组成的数组；

numpy.where(condition[, x, y])

如果没有给出参数x和y，返回condition.nonzero()，即condition是True的索引的数组；

如果给出参数x和y（x、y中元素的数量必须与condition中元素的数量一致），返回一个由condition中对应位置元素是True还是False来决定从x还是y中取值的结果组成的数组；

numpy.cumsum(a, axis=None, dtype=None, out=None)

计算数组元素沿1个特定的轴的累和；

numpy.mean(a, axis=None, dtype=None, out=None)

计算数组元素沿1个特定的轴的算术平均值；

numpy.linalg.norm(x, ord=None, axis=None)

计算矩阵或向量的范数。如果x是矩阵，根据不同的参数ord，可以返回7个矩阵范数中的1个；

如果x是向量，可以返回无限个向量范数中的1个。