目录
数据的维度：一维，二维和多维
一维数据：列表（有序）和集合类型（无序）
二维数据：列表类型
多维数据：列表类型或者键值对
高维数据：字典类型或者json,xml和yaml格式
Numpy引用
import numpy as np 别名公认为np
N维数据对象：ndarry
由两部分构成：实际的数据+描述这些数据的元数据
ndarry数组一般要求所有的元素类型相同（同质）,数据下标从0开始
轴（axis）:保存数据的维度
秩（rank）：轴的数量
ndarry对象的属性
| .ndim | 秩，即轴的数量或者维度的数量（用的最多的是2维） |
| .shape | ndarry对象的尺度，对于矩阵，n行m列 |
| .size | ndarry对象元素的个数，相当于.shape中n*m的值 |
| .dtype | ndarry对象的元素类型 |
| .itemsize | ndarry对象中每个元素的大小，以字节为单位 |
ndarry的元素类型
| bool | 布尔类型，True或False |
| intc | 与C语言中的int类型一致，一般是int32或int64 |
| intp | 用于索引的整数，与C语言中ssize_t一致，int32或int64 |
| int8 | 字节长度的整数，取值[-128,127] |
| int16 | 16位长度的整数，取值[-32768,32767] |
| int32 | 32位长度的整数，取值[-2的31次方，2的31次方-1] |
| int64 | 64位长度的整数，取值[-2的63次方，2的63次方-1] |
| unit8 | 8位无符号整数，取值[0,255] |
| unit16 | 16位无符号整数，取值[0,65535] |
| unit32 | 32位无符号整数，取值[0，2的32次方-1] |
| unit64 | 64位无符号整数，取值[0，2的64次方-1] |
| float16 | 16位半精度浮点数：1位符号位，5位指数，10位尾数((符号)尾数*10的指数次方) |
| float32 | 32位半精度浮点数：1位符号位，8位指数，23位尾数((符号)尾数*10的指数次方) |
| float64 | 64位半精度浮点数：1位符号位，11位指数，52位尾数((符号)尾数*10的指数次方) |
| complex64 | 复数类型，实部和虚部都是32位浮点数 |
| complex128 | 复数类型，实部和虚部都是64位浮点数 |
ndarry数组的创建方法
• 从Python中的列表、元组等类型创建ndarray数组
x=np.array(list/tuple,<dtype=np.float16>)
• 使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等
| np.arange(n) | 类似range()函数，返回ndarray类型，元素从0到n-1 |
| np.ones(shape) | 根据shape生成全1数组，shape是元组类型。可选参数dtype和order |
| np.zeros(shape) | 根据shape生成全0数组，shape是元组类型。可选参数dtype和order |
| np.full(shape,val) | 根据shape生成一个数组，每个元素的值都是val |
| np.eye(n) | 创建一个正方的n*n单位矩阵，对角线是1，其余是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) | 根据数组a的形状生成一个全0数组 |
| np.full_like(a,val) | 根据数组a的形状生成一个数组,每个元素都是val |
| np.linspace() | 根据起止数据等间距地填充数据，形成数组；可选参数endpoint=True或False决定末尾值是否包含 |
| np.concatenate() | 将两个或多个数组合并成一个新的数组 |
• 从字节流（raw bytes）中创建ndarray数组（后续更新）
• 从文件中读取特定格式，创建ndarray数组（后续更新）
ndarry数组的变换
维度变换
| .reshape(shape) | 不改变数组元素，返回一个shape形状的数组，原数组不变 |
| .resize(shape) | 与.reshape()功能一致，但修改原数组 |
| .swapaxes(ax1,ax2) | 将数组n个维度中两个维度进行调换 |
| .flatten() | 对数组进行降维，返回折叠后的一维数组，原数组不变 |
类型变换
new_a = a.astype(new_type) 创建新数组
数组向列表变换
ls=a.tolist()
ndarry数组的操作
索引：获取数组中特定位置元素的过程：每个维度一个索引值a[-1,-2,-3]
切片：获取数据元素子集的过程:每个维度都可以切片a[:,:,::2]
ndarry数组的运算
一元函数
| np.abs(x) np.fabs(x) | 计算数组各元素的绝对值 |
| np.sqrt(x) | 计算数组各元素的平方根 |
| np.square(x) | 计算数组各元素的平方 |
| np.log(x) np.log10(x)np.log2(x) | 计算数组各元素的自然对数、10底对数和2底对数 |
| np.ceil(x) np.floor(x) | 计算数组各元素的ceiling值或floor值 |
| np.rint(x) | 计算数组各元素的四舍五入值 |
| np.modf(x) | 将数组各元素的小数和整数部分以两个独立数组形式返回 |
| np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) | 计算数组各元素的普通型和双曲型三角函数 |
| np.exp(x) | 计算数组各元素的指数值 |
| np.sign(x) | 计算数组各元素的符号值，1(+), 0, ‐1(‐) |
二元函数（两个数组运算）
| + ‐ * / ** | 两个数组各元素进行对应运算 |
| np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin() | 元素级的最大值/最小值计算 |
| np.mod(x,y) | 元素级的模运算 |
| np.copysign(x,y) | 将数组y中各元素值的符号赋值给数组x对应元素 |
| > < >= <= == != | 算术比较，产生布尔型数组 |
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
