numpy——快速入门

1. numpy特点

• numpy为同构多维数组，即所有元素类型相同。例外情况：Python的原生数组里包含了NumPy的对象的时候，这种情况下就允许不同大小元素的数组
• 数组在创建时具有固定的大小，更改ndarray的大小将创建一个新数组并删除原来的数组（消耗资源较大）
• numpy的矢量化和广播的特性，使numpy计算速度快。矢量化使numpy循环索引等功能在预编译的C代码中实现，因此计算速度块。

2. numpy构造方法

• array：创建一个数组

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

• arrange：创建间隔内均匀间隔的数组。(步长为非整数时，建议使用numpy.linspace)

        numpy.arange([start, ]stop, [step, ]dtype=None, *, device=None, like=None)

• linspace：创建指定间隔内均匀分布的数字的数组。

        numpy.linspace(start, stop, num=50, endpoint=True, 
                retstep=False, dtype=None, axis=0, *, device=None)

• zeros：创建一个给定形状和类型的新数组，用零填充。

        numpy.zeros(shape, dtype=float, order='C', *, like=None)

• zeros_like：创建一个与给定数组具有相同形状和类型的零数组

        numpy.zeros_like(a, dtype=None, order='K', subok=True, 
                shape=None, *, device=None)

• ones：创建一个给定形状和类型的新数组，用一填充。

        numpy.ones(shape, dtype=None, order='C', *, device=None, like=None)

• ones_like：创建一个与给定数组具有相同形状和类型的一数组

        numpy.ones_like(a, dtype=None, order='K', subok=True, 
                shape=None, *, device=None)

• empty：给定形状和类型的新数组，而不初始化条目

        numpy.empty(shape, dtype=float, order='C', *, 
            device=None, like=None)

• empty_like：创建一个与给定数组具有相同形状和类型的数组，而不初始化条目

        numpy.empty_like(prototype, dtype=None, order='K', 
                subok=True, shape=None, *, device=None)