Numpy库之数组创建

1. Numpy介绍

• Numpy是一个开源的python科学计算基础库，包含了：
  1. 一个强大的N维数组对象：ndarray
  2. 广播功能函数
  3. 整合C/C++/Fortran代码的工具
  4. 线性代数、傅里叶变换、随机数生成等功能
• Numpy是SciPy、Pandas等数据处理或科学计算库的基础
• 引用：import numpy as np
• 功能：主要是用来操作数组和矩阵
• 数据类型：ndarray(N-dimensional array)

2. Numpy的数组对象：ndarray

python已经有列表类型，为什么还需要一个数组对象（类型）？
我们来看看下面的例子：
列表做乘法不会对列表内的元素做乘法，只能通过循环来实现作用于列表的内部元素

再来看看numpy的数组类型：可以直接作用于数组的内部元素

注意！数组对象数据类型需相同（有助于节省运算和存储空间）

2.1 ndarray介绍

• ndrray是一个多维数组对象
• 由实际的数据和描述这些数据的元数据（数据维度、数据类型）构成
• 一般要求所有元素类型相同（同质）
• 数组下标由0开始

2.2 ndarray对象的属性

举例1：

2.3 更改数组维度

注：可以通过修改数组的shape属性，在保持数组元素个数不变的情况下，改变数组轴的属性

2.4 ndarray数组的元素

ndarray的元素类型（查看：.dtype）及其转换（.astype()、.tolist()），可参考链接：
https://baijiahao.baidu.com/s?id=1605931608452741801&wfr=spider&for=pc

ndarray为什么要支持那么多种数据类型？
对元素的精细定义，有助于numpy合理使用存储空间并优化性能

2.5 非同质的ndarray对象（尽量避免使用）

2.6 ndarray数组的创建

1. 从python中的列表、元组等类型创建ndarray数组

x = np.array(list/tuple)

#不指定时根据情况关联一个dtype类型
x = np.array((list/tuple, dtype = np.floats32)

2. 使用numpy中函数创建ndarray数组

函数	说明
np.empty(shape, (dtype))	以随机的方式创建数组
np.zeros(shape)	根据shape创建一个全0数组，shape为数组形式
np.zeros_like(a)	创建和a数组相同格式的数组，且数组元素全为0
np.ones_like(a)	创建和a数组相同格式的数组，且数组元素全为1
np.ones(shape)	根据shape创建一个全1数组，shape为数组形式
np.eye(n)	创建一个n*n的单位矩阵，对角线元素为1，其余元素全为0
np.full(shape,val)	创建一个元素全为val的数组
np.full_like(a,val)	根据a的形状生成一个数组，每个元素都为val
np.arange(n)	类似range()函数，返回ndarray类型，元素从0到n-1，不包括终值
np.linspace()	根据起止数据等间距的填充数据形成数组，包括终值
np.logspace()	创建等比数列
np.asarray()	把python中的list或元组转换成numpy的ndarray类型
np.random.rand()	生成随机数组

数组的索引、切片与修改元素

1. 一维数组的索引、切片以及元素修改（与python列表类似）
   

• 注：与python列表不同的是，下标范围获取的数组是原数组的一个视图，所以通过下标修改数组也修改了原数组

• 使用整数序列对数组元素进行修改时，原数组不变
  

• 使用布尔数组对元素进行修改时，原数组改变
  注：这种方式只能对应布尔数组，不能对应布尔列表
  

2. 多维数组的索引和切片
   

Numpy之广播

如何用广播来创建一个数组呢？