Numpy学习（一）

知识要点：导入numpy库，numpy的常用属性，创建array对象的集中方法；

导入Numpy库：import numpy as np；

创建一个numpy对象：array=np.array(‘object’，‘dtype’)；object为任意数据类型，dtype为矩阵内元素数据类型

一、numpy的属性：

属性	说明
ndarray.ndim	秩，即轴的数量或维度的数量
ndarray.shape	数组的维度，对于矩阵，n 行 m 列
ndarray.size	数组元素的总个数，相当于 .shape 中 n*m 的值
ndarray.dtype	ndarray 对象的元素类型
ndarray.itemsize	ndarray 对象中每个元素的大小，以字节为单位
ndarray.flags	ndarray 对象的内存信息
ndarray.real	ndarray元素的实部
ndarray.imag	ndarray 元素的虚部
ndarray.data	包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

例子：（numpy的简单属性应用）

import  numpy as np
array=np.array([[1,0,0],[0,1,0],[0,0,1]]) #创建一个三维的单位矩阵

print(array)#打印输出矩阵E
"""
输出结果：（打印整个矩阵）
【【1，0，0】
【0，1，0】
【0，0，1】】
以列表形式打印输出
"""
print(array.ndim)#打印输出矩阵的维数，即矩阵的秩
"""
输出结果：（输出矩阵的秩）
3
"""
print(array.shape)
"""
输出结果：（输出矩阵的行数和列数（外形））
（3,3） 以元组形式打印输出
"""
print(array.size)
"""
输出结果：（打印矩阵中元素个数，即n*m）
9
"""
print(array.dtype)
"""
输出结果：（打印矩阵中元素的数据类型）
int32
"""
print(array.real)
"""
输出结果：（打印矩阵中元素的实部）
【【1，0，0】
【0，1，0】
【0，0，1】】
"""
print(array.imag)
"""
输出结果：（打印矩阵中元素的虚部）
【【0，0，0】
【0，0，0】
【0，0，0】】
"""
#后两种一般用于复数矩阵中，dtype=complex

定义（创建）一个array：（最基本的创建方式np.array()）

方法1：通过np.eye(n)；创建一个维度为n的单位矩阵；

方法2：通过np.ones(n)；创建一个维度为n且元素全部为1矩阵；

方法3：通过np.zeros(n)；创建一个维度为n且元素全部为0矩阵（零矩阵）；

方法4：通过np.empty(shape，dtype)；创建一个指定大小为shape的，元素数据类型为dtype的随机阵；

方法4：通过np.arange(start，end，step)；创建一个从start开始到end结束，步长为step的一维数组；

array1=np.array([[1,0,0],[0,1,0],[0,0,1]])
#通过np.array()来创建
array2=np.eye(3)
#通过np.eye()来创建
array3=np.zeros((3,3))
#通过np.zeros()来创建
array4=np.ones((3,3))
#通过np.zeros()来创建
array5=np.empty((3,3),dtype=int)
#通过np.empty()来创建
np.arange(1,10).reshape(3,3)
#创建一个数据从1-9的，大小为3*3的矩阵

（将一维的一组数据转化为多维只需要使用方法reshape(n，m)即可）