numpy

多维数组
1.numpy.ndarray类类型的对象，可用于表示数据结构中的任意维度的数组
2.创建多维数组对象
numpy.arange(起始，终止，步长)->一维数组，首元素就是起始值，尾元素为终止之前的最后一个元素，步长即每次递增的公差，缺省起始值为0，缺省步长为1.
numpy.array(任何可被解释为数组的容器)
3.内存连续，元素同质。
4.ndarray.dtype属性表示元素的数据类型和astype()方法可以指定和修改元素的数据类型。
5.ndarray.shape属性表示数组的维度:
(高维度数,...,低维度数)
代码：array.py
6.元素索引
数组[索引]
数组[行索引][列索引]
数组[页索引][行索引][列索引]
数组[页索引,行索引,列索引]
numpy的内置类型和自定义类型
1)numpy的内置类型
bool_ 1个字节 True/False
int8 1字节有符号整型 -128-127
int16 2字节有符号整型
int32 4字节有符号整型 python的int
int64 8字节有符号整型
uint8 1字节无符号整型 0-255
uint16 2字节无符号整型
uint32 4字节无符号整型
uint64 8字节无符号整型
float16 2字节浮点型
float32 4字节浮点型
float64 8字节浮点型 python的float
浮点数都是有符号，有精度误差
complex64 8字节复数型,2个4字节的浮点型组成
complex128 16字节复数型

str_字符类型
<U32小端
2)自定义类型，通过dtype将多个相同或者不同的numpy内置类型组合成某种复合类型，用于数组元素的数据类型
除了使用内置类型的全称以外还可以通过类型编码字符串简化类型的说明。
numpy.int8->i1
numpy.int16->i2
numpy.uint8->u1
numpy.float32->f4
numpy.complex128->c16
对于多字节整数可以加上字节序前缀
<-小端字节序，低数位低地址
=- 处理器系统默认；
>-大端字节序，低数位高地址
numpy.str_-> U字符数
numpy.bool_ -> b
代码见dpyte.py

切片
数组[起始:终止:步长,起始:终止:步长,......]
缺省起值：首(步长为正)，尾(步长为负)
缺省终止：尾后(步长为正)，首前(步长为负)
缺省步长：1
靠近端部的一个或几个连续的维度使用缺省切片，可以用'...'表示。
改变维度
1)视图变维
针对一个数字对象来获取其不同维度的视图
数组.reshape(新维度)->数组的新维度视图
数组.ravel()->数组的一维视图
2）复制变维:针对一个数字对象来获取其不同维度的副本
数组.flatten()->数组的一维副本
reshape.py
就地变维
数组.shape=(新维度)
数组.resize=(新维度)
视图转置(至少是二维数组)
数组.transpose()->数组的转置视图
数组.T->转置视图的属性
组合和拆分
numpy.vstack((上，下))
numpy.vsplit(数组，份数)->子数组集合
numpy.hstack((左，右))
numpy.hsplit(数组，份数)->子数组集合
3)深度组合/拆分
numpy.dstack()
numpy.dsplit()
4)行/列组合
numpy.row_stack((上,下))
numpy.column_stack((左,右))
11.ndarray类的属性
dtype-元素类型
shape-数组维度
T-转置视图
ndim-维数(和维度(行数)不一样)
size-元素数，仅对一维数组等价于len()
itemsize-元素字节数
nbytes-总字节数
flat-扁平迭代器
real-实部数组
image-虚部数组
ndarray.tolist()->列表

数据可视化 matplotlib.pyploy(mp)
mp.plot(水平坐标数组，垂直坐标数组)
x:[1 2 3 4]
y:[5 6 7 8]
plot1.py

mp.plot(...,linestype=线型，linewidth=线宽,color=颜色)
mp.xticks(刻度位置数组，刻度文本数组)
mp.yticks(刻度位置数组，刻度文本数组)