Numpy基础知识

#markdown常用使用
markdown常用使用

1.序列

引用

加粗

-无序列表

---

#Dtype
import numpy as np

a = np.array([1.1,2.2],dtype=np.float64)

a.astype(int).dtype 不同类型之间转换

#对象

-列表

-元组

-字典

##ndarray 多维数组对象

1.shepe 数组形状

2.dtype：数据类型

3.buffer 对象暴露缓冲区接口

4.offset 数据偏移量

5.strides 步长

6.order：{“C”,“F”} 行或列为主排列顺序

##创建数组
###arange
np.arange(start, stop, step, dtype=None)

np.arange(3) 默认起点0，步长为1 输出：[0 1 2]

np.arange(3,9) 默认步长为1 输出[3 4 5 6 7 8]左闭右开

numpy.ones(shape, dtype=None, order='C')
shape：用于指定数组形状，例如（1， 2）或 3。
dtype：数据类型。
order：{'C'，'F'}，按行或列方式储存数组。
np.ones(3):
array([1., 1., 1.])

np.ones((3,5)):
array([[1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.]])

np.zeros(3)
array([0., 0., 0.])

np.zeros((3,5))
array([[0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.]])

np.random.rand() #无参数，那么随机返回0-1之间一个小数
0.9842243049200786

np.random.rand(3,4) #带参数，那么随机返回0-1之间矩阵
array([[0.2616987 , 0.34785532, 0.64052877, 0.8283843 ],
       [0.6696717 , 0.36372492, 0.53100318, 0.69890008],
       [0.31332759, 0.98002585, 0.73734262, 0.39738664]])

numpy.eye(N, M=None, k=0, dtype=<type 'float'>)
N：输出数组的行数。
M：输出数组的列数。
k：对角线索引：0（默认）是指主对角线，正值是指上对角线，负值是指下对角线。

###linspace

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

1.start：序列的起始值

2.stop：序列的结束值。

3.num：生成的样本数。默认值为50。

4.endpoint：布尔值，如果为真，则最后一个样本包含在序列内。

5.retstep：布尔值，如果为真，返回间距。

6.dtype：数组的类型。

np.linspace(0,10,10,endpoint=True)
array([ 0.        ,  1.11111111,  2.22222222,  3.33333333,  4.44444444,
        5.55555556,  6.66666667,  7.77777778,  8.88888889, 10.        ])

np.linspace(0,10,10,False)
array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])

###从已知数据创建
frombuffer（buffer）：将缓冲区转换为 1 维数组。
fromfile（file，dtype，count，sep）：从文本或二进制文件中构建多维数组。
fromfunction（function，shape）：通过函数返回值来创建多维数组。
fromiter（iterable，dtype，count）：从可迭代对象创建 1 维数组。
fromstring（string，dtype，count，sep）：从字符串中创建 1 维数组。

np.fromfunction(lambda a,b:a+b,(5,2))
array([[0., 1.],
       [1., 2.],
       [2., 3.],
       [3., 4.],
       [4., 5.]])

##数组属性

1.转置
a.T或者a.transpose()都可以

2.数据类型
a.dtype

3.输出虚部
a.imag

3.输出虚部
a.imag

4.输出实部
a.real

5.元素总数
a.size

6.数组元素的字节数
a.itemsize

7.数组总字节数
a.nbytes

8.数组维度
a.ndim

9.数组形状
a.shape

10.用来遍历数组时，输出每个维度中步进的字节数组
a.strides

##数组操作

1.reshape: numpy.reshape(a, newshape)

np.arrange(10).reshape((5,2))
array([[0, 1],
       [2, 3],
       [4, 5],