Numpy中的基本概念及操作

1. np.array中的shape：(n,)代表一维数组，长度为n；(n,m)代表二维数组，n行m列；(n,m,z)那么就代表三维数组。参考

-------------分割线，上边为后续添加内容---------------

每个数组都有一个shape和dtype，shape表示维度的大小（data.shape）,dtype表示数组的数据类型（data.dtype）。

创建数组的一些函数，np.arrange():python range函数的数组版;
np.zeros(),np.ones():创建全0、全1的数组， 括号内为维度
np.array(),将列表、元组或其他序列对象转化为ndarray。

数组中数据类型的转换:data.astype(np.int32) 转化为32位整型（如果某字符串数组全是数字，也可以进行转化，直接截断）

数组与标量的运算会传递到数组的每一个元素 比如1/arr，每一个元素都会参与运算。

数组的切片不是数组的复制，在切片部分修改数值，原数组也会被修改。如果想要得到一份副本，需要明确的指定，比如arr1=arr[5:8].copy()。

对元素访问时，比如一个二维数组，arr[0][2]与arr[0,2]是等价的，arr[1]也是合法的。

高维数组的切片，以二维为例，就是看成低维，先对行切片，再对列切片，中间以逗号隔开，只切出某一行（列）就可以像arr[1]这样，不需要:了。

np.where(cond,x1,x2) cond为判断条件，条件为真，为x1,否则为x2，产生数组的维度取决于cond条件数组。