python-numpy的一些简单函数--补充中

模块Numpy的主要对象是同种类型元素的多维数组。

在Numpy中维度(dimensions)叫做轴(axes) , 轴的个数叫做秩(rank)

• ndarray.ndim

  数组轴的个数，在python的世界中，轴的个数被称作秩

• ndarray.shape

  数组的维度。这是一个指示数组在每个维度上大小的整数元组。例如一个n排m列的矩阵，它的shape属性将是(2,3),这个元组的长度显然是秩，即维度或者ndim属性

• ndarray.size

  数组元素的总个数，等于shape属性中元组元素的乘积。

• ndarray.dtype

  一个用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准Python类型。另外NumPy提供它自己的数据类型。

• ndarray.itemsize

  数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如，一个元素类型为complex32的数组item属性为4(=32/8).

• ndarray.data

  包含实际数组元素的缓冲区，通常我们不需要使用这个属性，因为我们总是通过索引来使用数组中的元素。

  >>> import numpy
  >>> from numpy import *
  >>> array1 = array([1,2,3,4])    #秩为1，轴的长度4
  >>> array1
  array([1, 2, 3, 4])
  >>> array1.shape
  (4,)
  >>> 

  
  

  sum函数：
  

  >>> array3 = arange(12).reshape(3,4)
  >>> array3
  array([[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11]])
  >>> array3.sum(axis = 0)            #每列元素相加
  array([12, 15, 18, 21])
  >>> array3.sum(axis = 1)            #每行元素相加
  array([ 6, 22, 38])
  >>> 
  >>> array3.cumsum(axis = 0)         #每行逐渐相加
  array([[ 0,  1,  2,  3],
         [ 4,  6,  8, 10],
         [12, 15, 18, 21]])
  >>> array3.cumsum(axis = 1)         #每列逐渐相加
  array([[ 0,  1,  3,  6],
         [ 4,  9, 15, 22],
         [ 8, 17, 27, 38]])
  >>> 

  
  

  >>> array4 = arange(27).reshape(3,3,3)
  >>> array4
  array([[[ 0,  1,  2],
          [ 3,  4,  5],
          [ 6,  7,  8]],
  
         [[ 9, 10, 11],
          [12, 13, 14],
          [15, 16, 17]],
  
         [[18, 19, 20],
          [21, 22, 23],
          [24, 25, 26]]])
  >>> array4.sum(axis = 0)         #轴：行，列，高；高：对应元素相加
  array([[27, 30, 33],
         [36, 39, 42],
         [45, 48, 51]])
  >>> array4.sum(axis = 1)         #列：对应元素相加
  array([[ 9, 12, 15],
         [36, 39, 42],
         [63, 66, 69]])

  >>> array4.sum(axis = 2)          #行：对应元素相加
  array([[ 3, 12, 21],
         [30, 39, 48],
         [57, 66, 75]])
  >>>