Numpy基础知识

在讲解Numpy之前先看一幅图：

可以看出，Numpy核心就是ndarray对象，一个ndarray对象实例由若干个dtype对象实例构成。这就是Numpy精髓所在。

1. 数据类型

Numpy中数据类型是dtype对象实例，dtype对象描述了对应于数组的固定内存块的解释。基本数据类型有：int16, uint16, float32等等。
dtype构造语法：numpy.dtype(object, align, copy)

• Object：转换的目标数据类型
• Align：如果为true，则向字段添加间隔，使其类似 C 的结构体
• Copy：生成dtype对象的新副本，如果为flase，结果是内建数据类型对象的引用。
  

2. 数组属性

• ndarray.shape
• ndarray.reshape
• ndarray.ndim
• numpy.itemsize
  

3. 创建数组

3.1 数组创建例程

• numpy.empty(shape, dtype = float, order = ‘C’)
• numpy.zeros(shape, dtype = float, order = ‘C’)
• numpy.ones(shape, dtype = float, order = ‘C’)
  
  这里有一个难点，看以下例子：
  
  会发现(5,)与5似乎并没有区别？此处待更新！

3.2 来自现有数据

• numpy.asarray(a, dtype = None, order = None)
  其中a 为任意形式的输入参数，比如列表、列表的元组、元组、元组的元组、元组的列表。
• numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
  buffer 为任何暴露缓冲区借口的对象。
• numpy.fromiter(iterable, dtype, count = -1)
  iterable 为任何可迭代对象
  

3.3 来自数值范围数组

• numpy.arange(start, stop, step, dtype)
  函数返回ndarray对象，包含给定范围内的等间隔值。
• numpy.linspace(start, stop, num, endpoint, retstep, dtype)
  函数类似于arange()函数。 在此函数中，指定了范围之间的均匀间隔数量，而不是步长。
• numpy.logscale(start, stop, num, endpoint, base, dtype)
  函数返回一个ndarray对象，其中包含在对数刻度上均匀分布的数字。 刻度的开始和结束端点是某个底数的幂，通常为 10。
  

4. 数组操作

4.1 修改形状

4.2 翻转操作

4.3 数组连接

4.4 数组分割