numpy的基础用法

numpy的核心数据结构，就叫做array就是数组。

（1）shape：返回一个元组，表示array的维度
（2）ndim：一个数字，表示array维度的数目
（3）size：一个数字，表示array中所有数据元素的数目
（4）dtype：array中元素的数据类型（array的元素必须都是同一种数据类型）
创建array的方法：
（1）从python的列表list和嵌套列表创建array
（2）使用预定函数array，ones/ones_like(全为1），zeros/zeros_like（全为0），empty/empty_like（全为空），full/full_like（全部定义为某个值），eye（创建一个矩形，对角线的元素全为1）
（3）生成随机数的np.random模块构建
array本身支持的大量操作和函数：
（1）直接逐元素的加减乘除等算数操作
（2）更好用的面向多维的数组索引
（3）求sum/mean等聚合函数
（4）线性代数函数，比如求解逆矩阵，求解方程组

1.使用Python的list和嵌套list创建一维的array和二维的array

import numpy as np
x=np.array([1,2,3,4,5,6,7,8])#创建一个一维数组，也就是Python中的单元list
X=np.array(
[
  [1,2,3,4]
  [5,6,7,8]
])#创建一个二维数组，也就是Python的嵌套list

2.探索数组array的属性

x.shape    #------8
X.shape   # ------(2,4)
x.ndim    # ------1---维度数
X.ndim  # --------2
x.size    #-------8
X.size   # ------8
x.dtype   #------int(32)
X.dtype   #------int(32)

3.创建array的便捷函数：
（1）使用arange创建数字序列 arange((start=0),stop,(step=1),dtype=None):
    

 np.arange(10)     #-------stop,创建一维数字，0---9
 np.arange(0,10,2) #----start,stop,step,0,2,4,6,8

(2)使用ones创建全是1的数组  np.ones(shape,dtype=None,order='C')  shape可以输入一个整形数字，亦可以输入一个元组(2,3):
    

np.ones(10)         #----一维向量
np.ones((2,3))      #----2行三列
np.ones((2,3,4))    #---创建一个2行一列的然后2行一列中的每个元素是一个三行四列的元素
np.one((2,1,3,4))   #---创建一个2行一列的然后2行一列中的每个元素是一个三行四列的元素(记得每一行需要一个中括号，然后一个二维的需要一个中括号）

（3）使用ones_like创建形状相同的数组 np.ones_like(a,dtype=float,order='C')---就是创建一个跟a同样维度的array
 

np.ones_like(x)      #----创建一个一维的列表
np.ones_like(X)      #----创建一个二维的列表，两行四列

（4）zeros zeros_like和ones，ones_like操作基本相同，只不过一个是零一个是1
（5）empty  empty(shape,dtype=float,order='C')注意：数据是未初始化的，里面的值可能是随机值不要用
（6）使用empty_like创建形状相同的数组  empty_like(a==prototype,dtype=None)
（7）使用full创建指定值的数组  np.full(shape,fill_value,dtype=None,order='C'):
     

 np.full(10,666)          #-----创建一个一维列表，列表有十个数字，都是666
 np.full((2,4),333)       #---创建一个2行4列的列表，都是333

（8）使用full_like创建形状相同的数组  np.full_like(a,fill_value,dtype=None)
（9）使用random模块生成随机数的数组  randn(d0,d1,d2……dn)

  np.random.randn()

      若没有参数，则生成一个随机数
     当size是n个数时，m_1,m_2,…,m_n，若n为奇数，则返回一个m_1行1列的张量，其中每个元素是一个m_2行m_3列的张量，…，又其中每个元素是一个m_n-1行m_n列的张量，最小元素的每一行服从正态分布
     当size是n个数时，m_1,m_2,…,m_n，若n为偶数，则返回一个m_1行m_2列的张量，其中每个元素是一个m_3行m_4列的张量，…，
4.array本身支持的大量操作和函数
 

np.arange(10).reshape(2,5)       #------A=[[0,1,2,3,4],[5,6,7,8,9]]
A.shape                                          # -------(2,5)
A+1                                                   # ----给每个元素都加一
A*3                                           #-----每个元素都乘三
np.sin（A）                              #----求每个元素的sin函数
np.exp（A）                          # e的每个元素次方
B=np.random.randn（2,5）
A+B  A-B                           #（因为形状相同，可以直接进行加减，就是对应每个元素的加减）