numpy基础

numpy：

引用是加：import numpy as np
NumPy(Numerical Python) 是 Python 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。Nupmy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））。

ndarray对象：

在定义一个数组时的一些可选参数如上:

	import numpy  as np
	
	a = np.array([1, 2, 3]) #定义一个一维数组
	print("一维数组为", a)
	
	b = np.array([[1, 2, 3], [3, 4, 5]]) #定义一个二维数组
	print("二维数组为", b)
	
	c = np.array([[1,  2,  3], [4, 5, 6]], dtype = complex)  
	print ("复数数组为", c)
	
	
	'''
	输出：
	一维数组为 [1 2 3]
	二维数组为 [[1 2 3]
	 [3 4 5]]
	复数数组为 [[1.+0.j 2.+0.j 3.+0.j]
	 [4.+0.j 5.+0.j 6.+0.j]]
	'''

NumPy 最重要的一个对象是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，可以使用基于 0 的索引访问集合中的项目。

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使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)

ndarray属性主要有：

• ndarray.ndim:数组的维度。

• ndarray.shape:表示维度和一个维度有多少列数。即行数和列数，也可以用来修改维度和列数。

• ndarray.size:数组元素的总个数。是shape中各个维度大小的乘积。

• ndarray.dtype:数组中元素的数据类型。

   	import numpy  as np
   	
   	import numpy as np
   	a=np.array([[1,2,3],[4,5,6]])   # 定义一个二维数组
   	
   	print(a.ndim)
   	print(a.shape)
   	print(a.size)
   	print(a.dtype)
   	
   	a.shape=(3,2)            #修改shape属性
   	print("修改之后为：")
   	print(a)
   	
   	
   	'''
   	输出：
   	2
   	(2, 3)
   	6
   	int32
   	修改之后为：
   	[[1 2]
   	 [3 4]
   	 [5 6]]
   	...
  

利用array函数，可以将序列类型的对象（如元组，列表，其他数组）转化为数组类型ndarray。

	import numpy  as np
	
	list1 = [5, 1.2, 3]
	array1 = np.array(list1)
	print("一维",array1)
	
	list2 = [[1, 2, 3.1], [5, 6, 7]]
	array2 = np.array(list2)
	print("二维",array2)
	'''
	输出：
	一维 [5.  1.2 3. ]
	二维 [[1.  2.  3.1]
	 [5.  6.  7. ]]
	'''

在转化过程中，会将数据类型转为相同类型

使用numpy.empty–构造创建数组
参数如下：

序号	参数及其描述
1	shape，空数组的形状，整数或元组
2	Dtype， 所需的输出数组类型，可选
3	order，C按C语言风格数组，F按F风格数组

下面的代码展示空数组的例子：：