Numpy基础：数组、矢量计算以及ufunc通用函数使用

Numpy-darray多数组对象

ndarry是一种通用的同构数据多维容器，即，容器里的所有元素都是相同类型的。每个数组元素都有一个shape（多维数组的行列数）和dtype（元素类型）属性。

1 常用的数组创建函数

函数	说明
array	将输入数据（列表、元组、数组、或其他序列类型）转换成narray，可以在转换的过程中指定dtype，或者默认与原数据类型相同
asarray	将输入数据转换成ndarray，如果输入本身就是一个ndarray就不进行复制
arange	类似于内置的range，但返回的是一个narray而不是一个列表
ones、ones_like	根据指定的形状和dtype创建全1数组。ones_like以另外一个数组为参数，并根据其形状和dtype穿件一个全1数组
zeros、zeros_like	类似于ones、ones_like，但是创建的是全0数组
empty、empty_like	创建新数组，只分配内存空间但不填充任何值
eye、identity	创建单位方阵

import numpy as np


#生成一个原始数组
arrayInit = np.arange(2,10,2)
arrayInit

array([2, 4, 6, 8])

print arrayInit.shape,arrayInit.dtype

(4L,) int32

可以通过reshape（n,m）来改变原始数组的行列分布

arrayInit.reshape(2,2)

array([[2, 4],
       [6, 8]])

注意reshape并不改变原来的数组

演示使用asarray

np.asarray(arrayInit)

array([2, 4, 6, 8])

arrayInit

array([2, 4, 6, 8])

arrayOne = np.arange(6).reshape(2,3)
arrayOne

array([[0, 1, 2],
       [3, 4, 5]])

np.asarray(arrayOne)

array([[0, 1, 2],
       [3, 4, 5]])

tem = [1,2,3]
np.asarray(tem)

array([1, 2, 3])

tem

[1, 2, 3]

从上述代码中可以看出，这些函数仅是创建新的narray，并不改变原来的输入数据，若想保留该创建需要创建新的变量

2 数组和标量之间的运算

矢量化：可以对数据执行批量运算。数组可以实现矢量化，大小相等的数组之间的任何算数运算都会将运算应用到元素级

arrayTwo = np.array([[1,2,3],[4,5,6]])#将列表转换成narray
arrayTwo

array([[1, 2, 3],
       [4, 5, 6]])

arrayTwo * arrayTwo

array([[ 1,  4,  9],
       [16, 25, 36]])

arrayTwo**2<