数据操作基础库numpy-上

numpy：数据分析和机器学习的底层库，完全由C语言实现，用于高效的操作数据。而且是开源的，经过了很多大牛的完善。

numpy.ndarray(numpy数组)：由实际数据和元数据组成，实际数据必须是数据类型相同的数据集，元数据则是存储数据的维度和长度。
例如：a = [[2 3] [4 5] [6 7]] 的实际数据是2 3 4 5 6 7,元数据(a.shape)是(3,2),不加逗号是为了区分python列表与numpy数组。

0、创建数组
numpy.arange(起始,终止,步长) 生成一维数组
numpy.array(一般为列表或数组,dtype=对数据类型的描述) 根据列表或数组生成新数组，dtype可以省略

1、numpy内部基本数据类型
布尔型：bool_
有符号整数：int8(-128~127)/int16/int32/int64
无符号整数：unint8(0-255)/uint16/uint32/uint64
浮点型：float16/float32/float64
复数型：complex64/complex128
字符串：str_ , 每个字符用32位(四个字节)Unicode编码表示

2、自定义复合类型
1)类型字符码
? — bool_
b — int8
B — uint8
i1/i2/i4/i8 — 有符号整型
u1/2/4/8 – 无符号整型
f2/4/8 — 浮点
c8/16 — 复数
U<字符数> — 字符串
M8 — 日期时间
O — Python对象
2)类型字符串
<字节序><维度><类型字符码><字节数>
字节序：> 大端字节序 < 小端字节序 = 根据硬件自动选择
比如：a = numpy.array([‘abcdef’], dtype=‘6U1’)
# [[‘a’ ‘b’ ‘c’ ‘d’ ‘e’ ‘f’]]
更多示例见：dtype.py
疑问：能不能将[‘abcdef’]解读成这个数组[‘ab’ ‘cd’ ‘ef’]

3、切片
数组[起始:终止:步长,起始:终止:步长,…]
除了有多维切片外，基本和Python切片一样
补充： a[0][1][2] 同a[0,1,2]
示例：slice.py

4、变维
1)视图变维
reshape()(重新设置维度)、ravel()(展平,将数组变为一维的)、
transpose((2,1,0))(转置)原数组为(0,1,2),也就是把0,2轴数据对调
视图：返回一个具有新维度的新数组对象，数据还是原数组的数据，当原数组数据变化时，新数组数据也会变化
2)复制变维
flatten(展平，复制数据形成新数组)
3)就地变维
在原数组之上，改变维度
a.shape = 新维度
a.resize(…)
示例：reshape.py

5、np.ndarray的属性
dtype 元素类型
shape 数组维度
T 转置视图
size 元素个数
ndim 数组维数
itemsize 每个元素字节数
nbytes 数组总字节数
real 实部数组
imag 虚部数组 如果是整数或浮点数数组，则全为0，字符串数组则全为’’
flat 扁平迭代器（展平后的迭代器）
tolist() 数组转列表
a1 = np.append(a, i) 向a中添加i并返回结果给a1

数据操作基础库numpy-中