numpy学习

写一个（3，4，4）的数组

 .ndim是查看维度 .shape是查看形状

除非特意指定（见 4.1.2 节），否则 numpy.array 会尝试为新建的数组推断出合适的数 据类型。数据类型保存在一个特殊的元数据对象 dtype 中。用.dtype就可以查找到数据类型

np.zeros和np.ones可以制造全0和全1的数组 比如np.zeros（（3，2，6））

.astype可以转换数据类型 比如data.astype(np.float64)

一.numpy的运算

切片 [:] 会给数组中的所有值赋值：

如果你想得到 ndarray 切片的副本而非视图，就需要显式地复制数组，例如 arr[5:8].copy(）

切片如data[:2,1:]这个就会识别为矩阵的前两行和后第一列之后的所有列

   花式索引

在 arr1 = arr[[4, 3, 0, 6]] 中使用两个方括号是因为这里使用了高级索引。

当使用一个列表或数组作为索引时，需要将索引放在一对方括号内，并且如果有多个索引值，每个索引值也需要放在一个列表中，这个列表再放在外层的方括号中。

例如，这里 [4, 3, 0, 6] 是一个列表，表示要从原始数组 arr 中选取第 4 行、第 3 行、第 0 行和第 6 行，外层的方括号将这个索引列表括起来，告诉 NumPy 使用这些索引值进行高级索引操作。如果只使用一个方括号，就不是高级索引的正确语法形式了。

也可以用两个索引如下图

接上一个arr

1. arr1=arr[[1,5,7,2]][:,[0,3,1,2]]：

   • arr[[1,5,7,2]]使用高级索引，从原始数组中选取第 1 行、第 5 行、第 7 行和第 2 行，形成一个新的数组。
   • [:,[0,3,1,2]]对这个新数组进行切片操作，选取所有行，但是列的顺序变为第 0 列、第 3 列、第 1 列和第 2 列。

• 花式索引（Fancy Indexing） 和 切片索引（Slicing） 在处理赋值操作时有不同的行为。
• 当你用花式索引从数组中选取元素时，NumPy 会复制这些数据到一个新的数组中，所以不会直接影响原数组。
• 但是，如果你用花式索引来给某些元素赋值，则会直接修改原数组中被索引的那些元素。