Numpy创建数组、数组索引、数组拼接与数组拆分、矩阵生成

1.numpy简介

Numpy是用于数据科学计算的基础，不但能够完成科学计算任务，还能被 用作高效地多维数据容器。用于存储和处理大型矩阵。

Python提供了一个array模块，和list不同，它直接保存数值，但是由于 Python 的array模块不支持多维，也没有各种运算函数。

Numpy 弥补了这一遗憾。Numpy提供了一种存储单一数据类型的多维数 组——ndarray(下文统称数组)

1.1 创建数组对象

数组属性：ndarray（数组）是存储单一数据类型的多维数组。

 	*属性* 						*说明*
	ndim 				返回 int。表示数组的维数
	shape 				返回 tuple。表示数组的尺寸，对于 n 行 m 列的矩阵，形状为(n,m)
	size 				返回 int。表示数组的元素总数，等于数组形状的乘积
	dtype 				返回 data-type。描述数组中元素的类型
	itemsize 			返回 int。表示数组的每个元素的大小（以字节为单位）。

维数理解：

# 0维 ---具体的数值
# 1维 ---->行数据 [1,2,3,4,5]   shape(5,)
# [[1],[2],[3],[4],[5]] ---列向量
# 2 维 ---->行列 向量
# 3维 ----> 块、行、列数据
# 4维 -----> 堆、块、行、列
# ......
#二维可看作两个一维、
#三维可看作两个二维
#四维可看作两个三维

数组创建并查看数组属性：（创建一维或多维数组）

创建一维数组：

import numpy as np  	#导入NumPy库

arr1 = np.array([1, 2, 3, 4])  #创建一维数组 

print('创建的数组为：',arr1)

创建二维数组：

arr2 = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) #创建二维数组

print('创建的数组为：\n',arr2)

print('数组维度为：',arr2.ndim) #查看数组维度

print('数组形状为：',arr2.shape) #查看数组结构

print('数组类型为：',arr2.dtype) #查看数组类型

print('数组元素个数为：'，arr2.size)  #查看数组元素个数

print('数组每个元素大小为：',arr2.itemsize)  #查看数组每个元素大小

输出为:

创建的数组为： 
 [[ 1  2  3  4]
 [ 4  5  6  7]
 [ 7  8  9 10]]

数组维度为：2

数组形状为： (3, 4)

数组类型为： int32

数组元素个数为： 12

数组每个元素大小为： 4

生成各种数组的相关实例（array、arange、linspace、logspace、ones 、zeros 、eye 、diag、random.random 、random.rand、random.randn、random.randint、random_integers）：

import  numpy as np

# 创建数组
# arr_1 = np.array([1,2,3,4,5,6]) # 能创建一维或者多维数组
# print("arr_1:",arr_1)
# print("arr_1的类型：",type(arr_1))

# 可以通过arange来创建一维数组
# 参数1  开始值，如果开始值为0 ，可以省略
# 参数2 结束值
# 参数3  步长值
# arr_2 = np.arange(16,step=2)
# print("arr_2:",arr_2)
# print("arr_2的类型：",type(arr_2))


#参数1  开始值
# 参数2 结束值，能取到结束值
# 参数3  元素个数值
# 等差一维数组
# arr_3 = np.linspace(0,4,4)
# print("arr_3:",arr_3)
# print("arr_3的类型：",type(arr_3))


#参数1 开始值
# 参数2 结束值，能取到结束值
# 参数3  元素个数值
# 以10 为底
# 等比一维数组
# arr_4 = np.logspace(0,2,5)
#