numpy基本使用

参考文献：
【官方帮助文档】NumPy v1.12 Manual
【CSDN】NumPy之四：高级索引和索引技巧

基本介绍

　　NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。
　　一个用python实现的科学计算包。包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。
　　（摘自：百度百科）

实例代码

from numpy import  *

def init_array():
    print "创建一维数组："
    a = arange(5)
    print a
    print a.dtype # 显示数组中的数据类型
    print  a.shape # 显示每个维度上元素的数量。

    print "创建多维数组"
    m = array([arange(2),arange(2)])
    print m
    print m.shape

    print "使用numpy的数据类型" # numpy的数据类型比较丰富，比python自带的要丰富。
    # NumPy 数组中每个元素 均为相同的数据类型。
    data = arange(7,dtype=uint8)
    print data

def elements_in_array():
    a = array([[1,2],[3,4]])
    print a
    print a[1,0]

def index_array():

    print "一维数组 的索引 和切片"
    a = arange(9)
    print a
    print a[3:7] #  下标范围：3 <= x <= 7
    print a[:7:2] # 用下标 0 ~ 7 ,以 2 为步长 取元素。
    print a[::-1] # 用负数下标 翻转数组 TODO ?

    print "多维数组切片 和索引"
    b = arange(24).reshape(2,3,4) # 切成 2 * 3 * 4 的三维数组。
    print b
    print b[0, 1, 1]# 因为切成了3 维，所以我们就需要用3维坐标来取数据。（依次类推，4维，4个坐标值）

    # TODO 切片
    print b[0] # 相当于对 3维 进行了切面，只固定了一个坐标，其他的都包含。
    print b[0,:,:] # 等价于上面的情况(注意逗号)
    print b[0,...] # 如果有多个冒号

    print "在切片中间隔选定元素"
    print b[0,1,::2]


def array_combination():
    '''
    数组组合： 水平组合，垂直组合，深度组合
    '''
    a = arange(9).reshape(3,3)
    print  a
    b = 2 * a # 矩阵 数乘。
    print b
    print "水平组合:"
    print hstack((a,b))
    print "垂直组合："
    print  vstack((a,b))

def cut_array():
    '''
    用于切分数组。
    '''
    a = arange(9).reshape(3,3)
    print a
    print "水平切分"
    print hsplit(a,3)
    print split(a,3,axis=1)
    print "竖直切分"
    print vsplit(a,3)