《numpy学习指南》学习笔记——数组

1.Numpy数组对象

Numpy中的ndarray是一个多为数组对象，该对象由两部分组成：

• 实际的数据；
• 描述这些数据的元数据

大部分的数组操作仅仅修改元数据部分，而不修改底层的实际数据。
Numpy数组一般是同质的，即数组中的所有元素类型必须是一致的。这样有一个好处：如果我们知道数组中的元素均为同一类型，该数组所用的存储空间就很容易确定下来。与Python中一样，Numpy数组的下表也是从0开始的。
使用arange函数可以创建数组

import numpy as np
a = np.array(5)
# print a：array([0,1,2,3,4])
# type(a):<class 'numpy.ndarray'>
# a.dtype :dtype('int32')/dtype('int64')
# a.shape:(5,)

type(a)获取的是数组a的类型；a.type获取的是数组a中元素的类型，这个结果与安装的Python有关；a.shape返回的是一个元组，元组的元素即为数组每一个维度上的大小。

2.多维数组

创建一个多维数组并显示该数组的维度

m = np.array([arange(2),arange(2)])
# m: array([[0,1],
            [0,1]])
m.shape
#(2,2)

m1 = np.array([m,m])
#m1是一个三维数据

通过调用help函数可以查看np.array方法的详细信息
np.array函数的参数列表为：

• object: array_like
• dtype: 指定数组中元素的类型（可选）
• copy: bool类型。默认为True（可选）
• order: {‘K’,’A’,’C’,’F’}，默认为为‘K’（可选）
• subok: bool类型，默认为False（可选）
• ndim: int类型，制定数组的最小维数（可选）

np.array([1,2,3],ndim=2)
#array([[1,2,3]])

np.array([1,2,3],dtype=complex)
#array([1.+0.j,2.+0.j,3.+0.j])

2.1 选取数组元素

首先创建一个2x2的多维数组：

a = np.array([[1,2],[3,4]])
# array([[1,2],
         [3,4]])

利用下表选取数组中的元素（与matlab类似）

a[0,0]
# 1
a[0,<