NumPy学习笔记（1）数组和属性

数组和属性

NumPy的基本对象是np数组，使用专用的数据结构来存储数值，在科学计算的效率上要优于原始的Python代码，下面记录关于np数组的一些基本操作。

创建一个ndarray

使用array()函数　

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

可用这两个参数指定生成数组的维度和元素类型
dtype：datatype
ndmin ： n dimension

 np.array([1, 2, 3], ndmin=2)
 np.array([1, 2, 3], dtype=complex)

返回对象：
array([[1, 2, 3]])
array([ 1.+0.j, 2.+0.j, 3.+0.j])

初始化特殊数组

创建全0数组

    np.zeros((3,4)) #参数为元组，生成3行4列的二维数组

创建全空数组

    np.empty((3,4)) #同上，元素为接近0的极小值

创建连续数组

    np.arange(0,10,2) #参数分别为起始值，终止值和步长
    缺省起始值为0,步长为1

ndarray的属性

• dtype
  对于dtype，NumPy自带类型支持整型，浮点型，复数型，均附有转化函数，例如

  float64(42)  #输出为 42.0
  

  需要注意：复数无法转化为其他类型

• shape

  shape返回的维度以元组形式表示，元组中的元素为对应维的大小，元组大小表示维数

  array = np.array([[1,2,3],[2,3,4]])
  print('shape',array.shape)   #每个维度的大小 
  

  output：shape (2, 3)

• ndim

  返回数组的维数（整型）

  array = np.array([[1,2,3],[2,3,4]])
  print('\nnumber of dim',array.ndim) #维数
  

  output：number of dim 2

• size

  返回数组的元素数量（整型）
  print('size',array.size) #元素数量
  

  output：size 6

除此之外，还有itemsize（该数据类型占用内存大小）,nbytes(总占用空间即size*itemsize)，
real（复数实部），imag（复数虚部），flat（扁平迭代器）等属性。

---