Numpy 学习

而 NumPy 支持比 Python 本身更为丰富的数值类型，细分如下：

1. bool：布尔类型，1 个字节，值为 True 或 False。
2. int：整数类型，通常为 int64 或 int32 。
3. intc：与 C 里的 int 相同，通常为 int32 或 int64。
4. intp：用于索引，通常为 int32 或 int64。
5. int8：字节（从 -128 到 127）
6. int16：整数（从 -32768 到 32767）
7. int32：整数（从 -2147483648 到 2147483647）
8. int64：整数（从 -9223372036854775808 到 9223372036854775807）
9. uint8：无符号整数（从 0 到 255）
10. uint16：无符号整数（从 0 到 65535）
11. uint32：无符号整数（从 0 到 4294967295）
12. uint64：无符号整数（从 0 到 18446744073709551615）
13. float：float64 的简写。
14. float16：半精度浮点，5 位指数，10 位尾数
15. float32：单精度浮点，8 位指数，23 位尾数
16. float64：双精度浮点，11 位指数，52 位尾数
17. complex：complex128 的简写。
18. complex64：复数，由两个 32 位浮点表示。
19. complex128：复数，由两个 64 位浮点表示。

在 NumPy 中，上面提到的这些数值类型都被归于 dtype（data-type） 对象的实例。我们可以用 numpy.dtype(object, align, copy) 来指定数值类型。而在数组里面，可以用 dtype= 参数。

三、Numpy多维数组

3.1ndarray 介绍

1、list 列表: [1,2,3]

2、Tuple 元祖：（1,2,3,4）

3.Dict 字典：{A：1，B：1}

六个参数：

1、shape:数组形状

2、dtype:数据类型

3、buffer:对象暴露缓冲区借口

4、offest:数组数据的偏移量

5、strides:数据步长

6、order:{'C','F'},以行或列为主排列顺序

3.2从列表或元组转换

numpy.array(object,dtype= None,copy = True,order = None,subok = False,ndmin = 0)

1、object:列表等

2、dtype:数据类型,

3、copy:布尔类型，默认True,表示复制对象

4、subok:布尔类型，表示子类是否被传递

5、ndmin:生成的数组应具有的最小维数

3.3arange方法创建

创建均匀间隔的值

numpy.arange(start,stop,step,dtype = None)

3.4linspace

用于在指定的区间内返回间隔均匀的值，

numpy.linspace(start,stop,num=50,endpoint = True,restetp = False,dtype = None)

num : 生成的样本数，默认值为50

endpoint : 布尔值，若为真，则最后一个样本包含在序列内。

restetp：若为真，则返回间距

3.5 ones方法创建

numpy.ones(shape,dtype = None ,order = 'C')

order: {'C','F'},安行或列方式存储数组

3.6 zeros 同上

3.7 eye 方法创建

用于创建一盒二维数组，其特点是K对角线上的值为1，其余的值为0

numpy.eye(N,M = None, K=0,dtype=<type'float'>)

N:输出数组的行数

M:输出数组