Numpy入门

1.NumPy数组

NumPy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。
NumPy(Numeric Python)提供了许多高级的数值编程工具。Numpy的一个重要特性是它的数组计算，是我们做数据分析必不可少的一个包。
导入python库使用关键字import，后面可以自定义库的简称，但是一般都将Numpy命名为np，pandas命名为pd。

1.1 一维数组

import numpy as np

# 通过Numpy创建数组并且命名为array
array = np.array([1,2,3,4])
print(array)
# 查看维数：数组名.ndim
print("Dimension is ",array.ndim)

[1 2 3 4]
Dimension is  1

1.2 二维数组

Numpy中的一维数组中包含多个单个元素，

而二维数组则包含很多一维数组中间用逗号隔开,再用方括号括起，

而三维数组则包含很多二维数组中间再用逗号隔开他们，用方括号括起，以此类推层层嵌套。

array2 = np.array([[1,2,3,4],
                   [2,3,4,5]] )
print(array2.ndim)

1.3 三维数组

array3 = np.array([  [ [1,2],[3,4] ],
                      [ [5,6],[7,8] ] ] ) # 包含两个二维数组
print(array3.ndim)

1.4 四维及更高维

四维数组（4D array）可以理解为多个3D数组，放在一个新的数组中[[3D_array],[3D_array],[3D_array]]
更高维的以此类推

2.NumPy数组属性

2.1 NDArray结构图

2.2 NDArray属性总览

# 输出形状
array = np.array([[1,2,3,4],
                  [1,2,3,4],
                  [1,2,3,4]])
print(array.shape)

(3, 4)

# 输出维度
print(array.ndim)

2

# 输出数组大小
print(array.size)

12

# 输出每个元素大小
print(array.itemsize)

4

3.NumPy数组初始化

3.1设定数据类型

new_array = np.array([数组],dtype = np.int32/float/float16/float32)

#不指定数据类型
array11= np.array([1,2,3,4])
print(array11.dtype)

int32

#指定数据类型
array11= np.array([1,2,3,4]<