python小白数据可视化基础之numpy的基本操作

 **numpy的基本操作**

下面是我个人关于numpy基本知识的一些总结。（本人小白，如有错误还请各位指正！）
numpy的核心----ndarray对象，也就是数组，此对象的实例化有几种不同的方法。

数组的创建

import numpy as np
na1 = np.array([1,2,3])
na2 = np.arange(23)
na3 = np.ones((3,4))
mine_type = {
   'names':['name','age','weight'],'formats':['S30','i','f']}
na4 = np.array([('wang','24','56'),('zhang','42','89')],dtype = mine_type)

如上有几种代表性的创建方式，第一种是输入一个seq序列，可以是列表，元组，字典等，第二种是以arange等函数创建，第三种是预定式的数创建，如此数组na3即为创建了一个三行四列，元素均为1.的数组，这里的1是浮点型数据，是因为dtype参数默认为float64。此类预定创建数组的函数还有很多，如np.eye，np.zeros,等等，在文章下方将列举。第四种是类似C语言中间的自定义结构体的自定义结构数组，先确定结构类型后创建，并以此作为dtype参数的值

数组的属性

数组有很多属性，重要的有如下几种
ndarray.ndim 秩，即轴的数量或维度的数量
ndarray.shape 数组的维度，对于矩阵，n 行 m 列
ndarray.size 数组元素的总个数，相当于 .shape 中 n*m 的值
ndarray.dtype ndarray 对象的元素类型
ndarray.itemsize ndarray 对象中每个元素的大小，以字节为单位

在实例化ndarray对象时可以加上这些参数获得 你想要的数组形式，也可以在不知道数组的相关属性时打印出来查看。

ar = np.array([1,2,3,4])
print(ar.dtype)
print(ar.shape)
print(ar.size)
print(ar.ndim<