numpy的学习

NUMPY的学习

numpy：N维数组对象（即ndarray）。ndarray是⼀个通⽤的同构数据多维容器，等同于所有元素必须是相同类型的。
np.shape
np.dtype
np.ndim

创建ndarry

1. 使⽤array函数。它接受⼀切序列型的对象（包括其他数组）然后产⽣⼀个新的含有传⼊数据的NumPy数组。

data1 = [6,6.5,8,1]
arr1 = np.array(data)
arr1

array([6,6.5,8,1])
2. np.array()， np.zeros()， np.ones()，np.empty()
3. arange

ndarray的数据类型（dtype）

利用astype转换dtype

arr =np.array([1,2,3,4,5])#int64
float_arr=arr.astype(np.float64)#float64

NumPy数组的运算

1. ⼤⼩相等的数组之间的任何算术运算都会将运算应⽤到元素级.
2. 数组与标量的算术运算会将标量值传播到各个元素.
3. ⼤⼩相同的数组之间的⽐较会⽣成布尔值数组.
4. 不同⼤⼩的数组之间的运算叫做⼴播（broadcasting）.

基本的索引和切⽚

1. ⼀维数组从表⾯上看，它跟Python列表的功能差不多.
2. 跟列表最重要的区别在于，数组切⽚是原始数组的视图。这意味着数据不会被复制，视图上的任何修改都会直接反映到源数组上。当你将⼀个标量值赋值给⼀个切⽚，该值会⾃动传播到整个选区.
3. 高维度数组。
   在⼀个⼆维数组中，各索引位置上的元素不再是标量⽽是⼀维数组.
   在多维数组中，如果省略了后⾯的索引，则返回对象会是⼀个维度低⼀点的ndarray（它含有⾼⼀级维度上的所有数据）。
   obj.copy()
4. 对于⼆维数组arr2d
   它是沿着第0轴（即第⼀个轴）切⽚的。也就是说，切⽚是沿着⼀个轴向选取元素的。
5. 布尔型索引
   布尔型数组的⻓度必须跟被索引的轴⻓度⼀致.
   ~操作符用来反转条件