numpy

一维数据：列表和集合类型
二维数据：列表类型
n维数组对象：ndarray
import numpy as np
np.array()生成一个数组
维度相同时可以进行相加等运算

ndarray对象的属性：
.ndim:秩，即轴的数量或维度的数量
.shape:ndarray对象的尺度，对于矩阵，n行m列
.size:ndarray对象元素的个数，相当于.shape中的n*m的值
.dtype:ndarray对象的元素类型
.itemsize:ndarray对象中每个元素的大小，以字节为单位

ndarray数组的创建方法
x=np.array(list/tuple)
np.arange(n) :类似range()函数，返回ndarray类型，元素从0-n-1
np.arrange(10)
np.ones(shape):根据shape生成一个全1数组，shape是元组类型
np.ones((3,6))
np.zeros(shape):根据shape生成一个全0数组，shape是元组类型
np.zeros((3,6),dtype=np.int32)
np.full(shape,val):根据shape生成一个数组，每个元素值都是val
np.eye(n):创建一个正方的n*n单位矩阵，对角线为1，其余为0
np.ones_like(a):根据数组a的形状生成一个全1数组
np.zeros_like(a)
np.full_like(a,val)
np.linspace(1,10,4):起始位置1，终止位置10，生成个数4，endpoint=False:最后一个10不包括其中
.reshape(shape):不改变数组元素，返回一个shape形状的数组
.astype(数据类型)：数组的类型变换
.tolist():将数组转换为列表

数组的索引和切片
一维：
a[2]
a[1,4,2]：起始位置，终止位置，步长
多维数组：
a=np.arange(24).reshape((2,3,4)):两组，3*4
a[:,1,-3]

数组的运算
数组与标量之间的运算：作用于数组的每一个元素
np.abs(x)：绝对值
np.sqrt(x):元素的平方根
np.square(x):平方
np.rint(x):四舍五入
np.sign(x):判断符号
…