Numpy 常用属性和方法

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