Numpy基本用法

Numpy

numpy是一个开源的python科学计算基础库：
------ 一个强大的N维数组对象ndarray
------ 广播功能函数
------ 整合c/c++/Fortran代码的工具
------ 线性代数，傅里叶变换，随机数生成等功能

引言：数据的基本概念

维度：一组数据的组织形式
一维数据：由对等关系的有序或无序数据构成，采用线性方式组织（相当于python中的列表，数组，集合等）
列表和数组区别：
------列表中的元素类型可以不同，但数组元素类型必须一致
二维数据：由多个一维数据组成，是一维数据的组合形式（如嵌套列表）
多维数据：由一维或二维数据在新维度上扩展形成（多层嵌套列表）
高维数据：仅利用最基本的二元关系展示数据之间的复杂结构（字典，数据表示格式（json，xml））

N维数组对象（ndarray）

优点：
---- 数组对象可以使一维以及多维数据像单个数据一样看待
---- 多种数据类型，可以适当选择，合理使用空间，还可以提升计算速度（底层通过C语言实现）
---- 数组对象采用相同的数据类型，可以节省运算以及存储的空间
ndarray对象组成：
---- 实际的数据值
---- 描述数据基本特征的元数据（数据维度，数据类型，大小，元素类型，元素大小）

ndarray对象属性	说明
.ndim	秩，即轴的数量或维度的数量
.shape	数组的维度
.size	数组中元素的个数
.dtype	数组中元素的类型
.itemsize	每个数组元素的大小，单位字节

ndarray元素类型
bool（布尔类型），intc（与C语言int类型一致），intp（与C语言ssize_t一致）
int8，int16，int32，int64（分别是8位，16位，32位，64位长度整数）
uint8，uint16，uint32，uint64（分别是8位，16位，32位，64位长度无符号整数）
float16，float32，float64（分别是16位，32位，64位半精度浮点数）
complex64，complex128（分别是实部和虚部分别为32位或64位浮点数的复数）

ndarray数组创建

函数中的dtype参数可以用np.int，np.float等，numpy将会自动匹配对应的fl