Numpy知识点梳理（一）

NumPy是使用Python进行科学计算的基础包。
它的核心内容：一个强大的N维数组对象，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 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。

创建一个 ndarray 只需调用 NumPy 的 array 函数即可：
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
参数含义：
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
例子：
import numpy as np
a = np.array([1,2,3])
print (a)

一、NumPy 数组属性
NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。
NumPy中，每一个线性的数组称为是一个轴（axis）也就是维度。
二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。
axis=0，表示沿着第0轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。
属性 说明（前两种数据常用）
ndarray.ndim 秩，即轴的数量或维度的数量
ndarray.shape 数组的维度，对于矩阵，n 行 m 列
ndarray.size 数组元素的总个数，相当于 .shape 中 n*m 的值
ndarray.dtype ndarray 对象的元素类型
ndarray.itemsize ndarray 对象中每个元素的大小，以字节为单位
ndarray.flags ndarray 对象的内存信息
ndarray.real ndarray元素的实部
ndarray.imag ndarray 元素的虚部
ndarray.data 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

几个例子
a = np.arange(24)
print (a.ndim) #1维
print(a.shape) #24行1列

b = a.reshape(2,4,3) #3个参数就是3维
print (b.ndim) #3维
print(b.shape) #2行，4列

改变行列
a = np.array([[1,2,3],[4,5,6]])
a.shape =(3,2)
print (a)
或
a = np.array([[1,2,3],[4,5,6]])
b = a.reshape(3,2)
print (b)