Numpy库与多维数组

Python中Numpy库的核心是高维数组，Numpy中的ndarray对象支持多维数组。数组类型的对象本身具有大小固定，数组内元素数据类型相同等特性。Numpy也提供了大量数值运算函数，能够直接有效的进行向量，矩阵运算。

创建数组

核心函数：

numpy.array([n1, n2, n3])：创建一维数组；

numpy.array([[n1, n2],[n3, n4]])：创建二维或多维

numpy.reshape()：复制一个不同维度的数组，只是维度不同，数据还是共享的

numpy.shape=2,3：直接修改维度

numpy.arange(start, end, step)：[start, end)区间，以step为步长的数组，其中start，end区间为前闭后开。

numpy.linspace(start, end, number, dtype): [start, end]区间，产生number个等距离的数据，dtype指定数据类型，其中的区间为闭区间。

numpy.zeros((m,n ), dtype=np.int16):初始化一个m*n的2维数组空间，但是不指定值（初始化成默认值）

numpy.ones((m, n)):与np.zeros类似；

numpy.empty((m, n)):与np.zeros类似；

数组元素的索引和切片

数据切片：

array[start:end:step]:在[start, end)区间，按step步长来抽取数据。区间为前闭后开。如果不指定step，step默认为1，如果不指定end，则退化为只读取start位置的数据。切片生成的数组会和原来的数组共享内存空间，即，其中一个对其中一个数组元素的修改，会导致另一个数组的元素也发生修改。多维数组的情况，以二维数组为例：array[start1:end1:step1, start2:end2:step2]

array[[n1, n2, n3 ...]]:读取数组参数指定位置的数据；这种方法不共享内存空间。多维数组的情况，以二维数组为例：array[[n1,n2,n3 ...], [m1, m2, m3 ...]],会取到array[n1, m1], array[n2, m2], array[n3, m3]的值；

array[(n1, n2, n3), (m1, m3, m3)]: 与array[[n1,n2,n3], [m1, m2, m3])相同；

数组运算

universal function:+, -, *, /,  **(乘方),cos, <, >, 求模（mod）, 求余（remainder）, 乘方（power）, 开方（square）等，下面以加法为例：

np.add(array, n):将array中的每个元素都加上n；

np.add(array1, array2) <=> array1+array2:将两个array中的每个元素都相加；

np.add(array1, array2, array1):将相加的结果重新赋值给array1；