属性;
data.shape #用来表征数组每个维度的数量。
data.dtype #用来描述数组的类型
data.ndim #用来查看数据的维度
方法:
.reshape(())
生成ndarray
np.array #将输入数据(列表,元组,数据以及其他序列)转换为ndarray,默认复制所有输入的数据
np.asarray #将输入转换为ndarray.但如果输入已经是ndarray则不再复制
np.ones #根据给定形状和数据类型生成全1数组
np.ones_like #根据给定的数组生成一个形状一样的全1数组
np.zeros #根据给定形状和数据类型生成全0数组
np.zeros_like #根据给定的数组生成一个形状一样的全0数组
np.empty #根据给定形状生成一个没有初始化数值的空数组
np.empty_like #根据所给数组生成一个形状一样但没有初始化数值的空数组
np.full #根据给定形状和数据类型生成指定数值的数组
np.full_like #根据给定的数组生成一个形状一样但内容是指定数值的数组
np.eye #生成一个N*N的特征矩阵
数组的类型:
int i1 i2 i4 i8
float f2 f4 f8 f16
bool ?
object O
string S
数组的类型转换: data.astype(np.float64 / data.dtype)
数组算术
标量计算:会将计算参数应用到数组中的每一个元素
同尺寸数组的比较运算 :产生一个bool数组
布尔索引
布尔数组的长度必须和数组轴索引长度一致
names = np.array(['Bob','Joe','Bob','Will','Will','Joe','Joe'])
data = np.random.randn(7,4)
names
array(['Bob', 'Joe', 'Bob', 'Will', 'Will', 'Joe', 'Joe'], dtype='<U4')
data
array([[ 0.12321991, -1.09632626, -0.30461838, 2.48481254],
[ 0.9913972 , 0.88999478, -0.47208552, -0.26930907],
[-2.33000677, -0.1476485 , -0.59621164, 1.89350542],
[-0.02867256, 0.23359139, -0.3729644 , -1.91841038],
[ 0.80456444, -0.02035105, 1.38518404, 1.25534382],
[-0.77081481, -0.75201718, -0.50267916, -0.4025687 ],
[-1.34663732, -0