【Python numpy数据api】Numpy数据、数组、矩阵的基本知识与运算

ndarray矩阵

import nump as np

数组对象
np.ndarray构造函数

>>>x = np.array([[1, 2, 3], [4, 5, 6]], np.int32)
>>>type(x)
<class 'numpy.ndarray'>
>>>x.shape
(2, 3)
>>>x.dtype
dtype('int32')


数组索引
>>>x[1,2]
第2行第3个数组的元素。
切片通过：
x[:,1]
所有行第2个数组

注意np进行复制导致地址发生变化，会修改原始的数组元素。

>>>y = x[:,1]
>>>y
array([2, 5], dtype=int32)
>>>y[0] = 9 # this also changes the corresponding element in x
>>>y
array([9, 5], dtype=int32)
>>>x
array([[1, 9, 3],
       [4, 5, 6]], dtype=int32)
对于类型ndarray有一下基本参数
有关阵列布局的信息
In [49]: x.flags
Out[49]:
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False
数组维度的元组
In [50]: x.shape
Out[50]: (4,)
数组元组的遍历个数
In [51]: x.strides
Out[51]: (4,)

数组元组的维度数
In [52]: x.ndim
Out[52]: 1
指向数组数据开头的 Python 缓冲区对象
In [53]: x.data
Out[53]: <memory at 0x000001498E27EE80>
数组中的元素数。
In [54]: x.size
Out[54]: 4
一个数组元素的长度（以字节为单位）。
In [55]: x.itemsize
Out[55]: 4
数组元素消耗的总字节数。
In [56]: x.nbytes
Out[56]: 16
转置数组的视图
In [57]: x.T
Out[57]: array([1, 2, 3, 4])
数组的实部
In [58]: x.real
Out[58]: array([1, 2, 3, 4])
数组的虚部
In [59]: x.imag
Out[59]: array([0, 0, 0, 0])
数组的一位迭代器
In [60]: x.flat
Out[60]: <numpy.flatiter at 0x1498d546cc0>