numpy

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Fri Dec 14 11:18:09 2018

@author: v_cuiguang

numpy数据类型

  1. 内置类型

    布尔型 bool_ : True/False
    整型 有符号： int8 /int16 /int36/int64
         无符号： uint8/uint16/uint36/uint64
    复数型：complex64  / complex128
    浮点型：float16 / float32/ float 64
    字符串: str_

  2. 复合数组 (数组中元素同质，即相同类型)
    由多个相同或不同类型的字段组合而成的类型
    np.array(...,dtype=复合类型)
    a = [[1,2,3],[4,5,6]]
    创建数组： b= np.array(a)
    返回数据类型： b.dtype == type(b[0][0])
    返回数组纬度： b.shape 返回一个元组
    元素类型转换： c= b.astype(数据类型)
    访问数组中元素： 数组[页标][行标][列标]
    
    
  3. 类型字符码
      bool_ :?
      有符号整型： i1/2/4/8
      无符号整型： u/1/2/4/8
      浮点型： f2/4/8
      复数型： c8/16
      字符串： U<字符数>
      日期时间： M
      字节序（针对多字节整型） ： </ >/ [=] 表示大端/小端/硬件默认顺序
      
   4. 切片
       # 以三维数组为例，
       #      页切片          行切片            列切片
       数组[起始：终止：步长，起始：终止：步长，起始：终止：步长，]
       b=  
         [[[ 1  2  3  4]
          [ 5  6  7  8]
          [ 9 10 11 12]]
    
         [[13 14 15 16]
          [17 18 19 20]
          [21 22 23 24]]]
      
        b[:,0,0] # 表示取 全部页的第一行，第一列
        b[0,;,;] # 表示取第一页的全部数据
        b[0,...] # 作用同上
        b[...,1] # 所有页，所有行的第二个元素
        
        
   5. 变维
            元数据：对数组的描述
            实际数据：数组的内容
        1. 视图变维： 元数据独立，实际数据共享
            数组.reshape(新维度) -> 新数组
        
        2. 复制变维： 元数据和实际数据都独立
            数组.flatten() -> 一维数组
            
            # 元素数和维度数必须匹配
            数组.ravel（） -> 一维数组
        3. 就地变维： 修改元数据的纬度信息，不产生新的数组
            数组.shape = 新维度
            数组.resize(新维度)
            
            
    6. 垂直组合：沿着垂直方向组合两个小的同维数组为一个大数组（行）
        # 二维数组
        np.vstack((上，下))
        np.concatenate((上，下)，axis=0)
        axis - 轴向，用维度的下标表示 0(纵向)/1(横向) 
       水平组合： 沿水平方向组合两个小的同维数组为一个大数组
       # 二维数组
         np.hstack((左，右))
         np.concatenate((左，右)，axis=1)
       深度组合： 沿着纵深方向组合两个小的同维数组为一个大数组
       # 三维数组  
         np.dstack((前，后))
         
       行组合：以两个一维数组按照行的防护组合成一个二维数组
       np.row_stack((上,下))
       列组合：以两个一维数组按照列的方式组合成一个二维数组
       np.coluwn_stack((左，右))
        
        垂直拆分 ： 将一个大的数组沿着垂直方向拆分成若个小的同维数组
        np.vsplit(被拆分的数组，拆分份数)
        np.split(被拆分的数组，拆分份数，axis=0)  
        
        水平拆分： 将一个大的数组沿水平方向拆分成若个小的同维数组
        np.hsplit(被拆分的数组，拆分份数)
        np.split(别拆分数组，拆分份数，axis=1)
        
        深度拆分： 将一个大的数组沿着纵深方向拆分成若个小的同维数组
        np.dsplit(被拆分数组，拆分份数) 
        
    7. ndarry 的属性
        dtype - 元素的数据类型
        shape - 数组的纬度
        ndim - 数组的维数，len(shape)
        size - 数组的元素数， shape中元素相乘
        itemsize - 元素字节数，与dtype相关
        nbtyes - 总司结束， size * itemsize
        T - 转置视图
        real - 复数数组的实部视图
        imag - 复数数组的虚部视图
        flat - 迭代扁平器
        
    8. 列表 与 数组的 互相转换
        np.array(列表) -> 数组
        数组.tolist() -> 列表
    
    9. 浅拷贝 
        b = [[1],[2,3],4,5]
        a = b
       深拷贝
        c = b.copy()
        
        
        
        
        
        
        
        
            
      
"""