numpy快速入门教程1

数组概念

  NumPy的主要对象就是同类型的多维数据。它是一张表，所有元素（通常是数字）。在NumPy中，维度称为轴，轴的数目为rank。
  NumPy的数组的类称为ndarray，别名array。
  numpy.array与Python标准库的类array.array不同，后者仅处理一维数组并提供较少功能。

数组属性

  ndarray对象的更重要的属性是：
ndarray.ndim
  数组的轴（维度，dimensionality）的个数。在Python的世界中，维度的数量被称为rank。

ndarray.shape
  数组的维度。这是一个整数的元组，表示每个维度中数组的大小。对于具有n行m列的矩阵，shape将是(n, m)。因此，shape元组的长度就是rank或维度的个数ndim。

ndarray.size
  数组元素的总数。这等于shape的元素的乘积。

ndarray.dtype
  描述数组中元素类型的对象。可以使用标准Python类型创建或指定dtype。另外NumPy提供了自己的类型。如numpy.int32、numpy.int16和numpy.float64。

ndarray.itemsize（字节数）
  数组中每个元素的字节大小。如，元素为float64类型的数组的itemsize为8(=64/8)，而complex32类型的数组的comitemsize为4(=32/8)。它等于ndarray.dtype.itemsize。

ndarray.strides
  数组步长幅度
ndarray.data
  该缓冲区包含数组的实际元素。通常不使用该属性，因为我们将使用索引访问数组中的元素。

ndarray.flags
  该属性存放数组自身的相关信息。

数组创建

  有多种方法创建数组

numpy.array
  使用array函数从常规Python列表或元组中创建数组。得到的数组的类型从序列中元素的类型推导出。
  array将序列的序列转换为二维阵列，将序列的序列的序列转换成三维数组，等等。

  数组的类型也可以在创建时明确规定

  通常，数组的元素最初是未知的，但其大小是已知的。因此，NumPy提供了几个函数来创建具有初始占位符内容的数据。这就减少了数组增长的必要，因为数组增长的操作花费很大。

zeros, ones, empty, random
  函数创建一个由0组成的数组，函数ones创建一个由1数组成的数组，函数empty内容是随机的并且取决于存储器的状态，默认情况下，创建的数组dtype为float64。

numpy.arange
  为了创建数字序列（有序的），NumPy提供类似于range的函数，返回数组而不是列表。
  当arange与浮点参数一起使用时，由于浮点数的精度是有限的，通常不可能预测获得的元素数量。出于该原因，通常最好使用函数linspace，它接收我们想要的元素数量而不是步长作为参数（将区间等分为任意份）：
numpy.fromfunction
  从给定函数创建一个数组
eye 和 identity
  用于创建正方形矩阵，对角线元素都是1，其余为0。

fromfile, tofile
  从文件创建
  使用数组的方法函数tofile可以方便地将数组中数据以二进制的格式写进文件。tofile输出的数据没有格式，因此用numpy.fromfile读回来的时候需要自己格式化数据。

numpy.load 和 numpy.save
  numpy.load和numpy.save函数以NumPy专用的二进制类型保存数据，这两个函数会自动处理元素类型和shape的能信息，使用它们读写数组十分方便，但是numpy.save输出的文件很难和其他语言编写的程序读入：
设置打印内容全部可见
  threshold为打印的可见参数数量，默认情况为1000。