Numpy读书笔记

ndarray 多维数组对象

创建ndarray

# 列表转换
data1 = [6, 7.5, 8, 0, 1]
arr1 = np.array(data1)

# 嵌套序列
data2 = [[1,2,3,4],[5,6,7,8]]
arr2 = np.array(data2)

# 其他创建数组的函数
np.zeros(10)
np.zeros((3,6))
np.empty((2,3,2)) #返回的是未初始化的值，非零
np.arange(15)
...

ndarray的数据类型

# 创建的时候指定类型
arr1 = np.array([1,2,3], dtype=np.float64) #双精度浮点
arr2 = np.array([1,2,3], dtype=np.int32)

# 使用ndarray的astype显示转换类型，任何时候使用astype会创建新数组
arr = np.array([1,2,3,4,5,6])
arr.dtype
float_arr = arr.astype(np.float64)

# 如果字符串数组全部表示的是数字，可转
num_strings = np.array(['1.25','-9.6','42'],dtype=np.string_)
num_strings.astype(float)

数组和标量之间的运算

# 大小相等的数组之间的任何算术运算都会应用到元素级别
arr = np.array([[1,2,3],[4,5,6]])
arr_pow = arr*arr

# 数组与标量运算
1/arr
arr*0.5

基本的索引和切片

arr = np.array(10)
arr[5]
arr[5:8]
# 将一个标量赋值给一个切片时，该值自动广播到整个选区
arr[5:8] = 12

# 跟列表的区别：数组切片是原始数组的视图，不会被复制，修改反应到源数组
arr_slice = arr[5:8]
arr_slice[1] = 12345

# 如果想要得到ndarray切片的一份副本，需要显示调用
arr[5:8].copy()

# 对于2维数组
arr2d = np.array([[1,2,3],[