网络爬虫Python+numpy

numpy介绍
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。

numpy安装
Microsoft Windows [版本 10.0.19043.1645]
(c) Microsoft Corporation。保留所有权利。
 
C:\WINDOWS\system32>pip install numpy
Requirement already satisfied: num

NumPy Ndarray 对象
NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。 ndarray 对象是用于存放同类型元素的多维数组。 ndarray 中的每个元素在内存中都有相同存储大小的区域。

创建数组对象
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

名称:        描述
object      数组或嵌套的数列
dtype       数组元素的数据类型，可选
copy        对象是否需要复制，可选
order       创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok      默认返回一个与基类类型一致的数组
ndmin     指定生成数组的最小维度

import numpy as np 
a = np.array([1,2,3])  
print (a)

定义一维数组

from numpy import *
import numpy as np
b=np.array([1,2,3])
print(b)
print(b.dtype)
print(b.shape)

定义二维数组

from numpy import *
import numpy as np
c=np.array([['a','b','c']])
print(c)
print(c.shape)

定义最小维度

from numpy import *
import numpy as np
d=np.array([1,2,3],ndmin=2)
print(d)

numpy数据类型
名称       描述
bool_       布尔型数据类型（True 或者 False）
int_        默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc        与 C 的 int 类型一样，一般是 int32 或 int 64
intp        用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
int8        字节（-128 to 127）
int16       整数（-32768 to 32767）
int32       整数（-2147483648 to 2147483647）
int64        整数（-9223372036854775808 to 9223372036854775807）
uint8       无符号整数（0 to 255）
uint16        无符号整数（0 to 65535）
uint32       无符号整数（0 to 4294967295）
uint64        无符号整数（0 to 18446744073709551615）
float_        float64 类型的简写
float16        半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32        单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
float64       双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位
complex_        complex128 类型的简写，即 128 位复数
complex64        复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128       复数，表示双 64 位浮点数（实数部分和虚数部分）
数据类型对象 (dtype)
数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：
        数据的类型（整数，浮点数或者 Python 对象） 数据的大小（例如， 整数使用多少个字节存储） 数据的字节顺序࿰