5.16学习笔记（numpy）

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
object 数组或嵌套的数列
dtype 数组元素的数据类型，可选
copy 对象是否需要复制，可选
order 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok 默认返回一个与基类类型一致的数组
ndmin 指定生成数组的最小维度

numpy的数组类成为ndarray。python的array.array只能处理一维数组
ndarray.ndim：数组的轴（维度）个数，维度的数量被称为rank
ndarray.shape:数组的维度，表示每个维度中数组的大小。对于有n行m列的矩阵，shape是（n，m）

一个例子

a=np.arange(15).reshape(3,5)
a
a.shape
a.ndim
a.dtype
a.itemsize
type(a)
b = np.array([6,7,8])
type(b)

创建数组方法
#1

b = np.array([1.2,3.5,5.1])
type(b)				//numpy.ndarray
b.dtype			//dtype('float64')

a=np.array(1,2,3,4) //错误
a=np.array([1,2,3,4]) //正确，应用列表

#2

b = np.array([(1.5,2,3),(4,5,6)])
b				\\array([[1.5, 2. , 3. ],
       			\\			[4. , 5. , 6. ]])

#3

np.arange(0,2,0.3)
\\array([0.,0.3,0.6,1.2,1.5,1.8])

由于arange与浮点参数一起使用时通常不可能预测获得的元素数量，一般最好使用linspace，它接收我们想要的元素数量而不是步长作为参数

np.linspace(0,2,9)
//array([0.  , 0.25, 0.5 , 0.75, 1.  , 1.25, 1.5 , 1.75, 2.  ])
np.linspace(0,2*pi,100)
f=np.sin(x)