Task01：数据类型及数组创建（2天）

1.常量
（1）两个numpy.nan是不相等的。

np.isnan(x)
对NaN逐个元素进行测试，并以布尔数组返回结果

np.count_nonzero(y)
bool 可选
（2）常见的常量

2 数据类型
2.1 常见数据类型
timedelta64 表示两个时间之间的间隔
datetime64 日期时间类型
python的浮点数通常是64位浮点，几乎等同于np.float64.

3.时间日期和时间增量
3.1 datetime64是带单位的日期时间类型

2019-03和2019-03-01所表示的其实是同一个时间。

从字符串创建datetime64数组时，如果单位不统一，则一律转化成其中最小的单位。

使用arange()创建datetime64数组，用于生成日期范围。

3.2 datetime64和timedelta64 运算
timedelta64表示两个datetime64之间的的差。
timedelta64也是带单位的，并且和相减运算中的两个datetime64中较小的单位保持一致。


注意：生成timedelta64时，要注意年（‘Y）和（’M’)这两个单位无法和其他单位进行运算。

年月 天数小时 小时分钟

例子表示年和月无法和其他单位进行运算。

timedelta64的运算

3.3 datetime64的应用
Numpy包含一组‘busday’(工作日）功能
offset：指定的偏移量用于工作日，单位天（’D‘）。计算下一个工作日，如果当前日期为非工作日，默认报错。

引入forward，backword规则来避免报错。

取指定偏移量为0来获取当前日期向前或者向后最近的工作日，
First adjusts the date to fall on a valid day according to the roll rule,then applies offsets to the given dates counted in valid days.

返回指定日期是否是工作日。

计算datetime64数组中工作日的天数。

count_nonezero
np.is_busday

返回两个日期之前的工作日数量。

4.数组的创建
4.1.1 依据现有数据来创建ndarray
(a)通过array()函数进行创建


（b)通过asarray()函数进行创建

array()和asarray()主要区别是当数据源是ndarray时，array()仍然会copy出一个副本，占用新的内存，但不改变dtype时，asarray()不会。

（c)通过fromfunction（）函数进行创建
def fromfunction(function, shape,**kwargs):

lambda:匿名函数

4.2.2 依据ones和zeros填充方式
(a)零数组
zero()函数：返回给定形状和类型的零数组
zeros_like()函数：返回与给定数组形状和类型相同的零数组。

（b)1数组
1.ones()函数：返回给定形状和类型的1数组
2.ones_like()函数：返回与给定数组形状和类型相同的1数组。

4.2.3 空数组
1.empty()函数：返回一个空数组，数组元素为随机数。
2.empty_like()函数：返回与给定数组具有相同形状和类型的新数组。

4.2.4(d)单位数组
eye()函数：返回一个单位数组
identity()函数：返回一个方的单位数组

4.2.5（e)对角数组


4.2.6 常数数组
full()函数：返回一个常数数组。
full_like()函数：返回与给定数组具有相同形状和类型的常数数组。


4.3.3 利用数值范围来创建ndarray
arange（）函数：返回给定间隔内的均匀间隔的值
linspace（）函数：返回指定间隔内的等间隔数字
logspace（）函数：返回数以对数刻度均匀分布
numpy.random.rand() 返回一个由[0,1)内随机数组成的数组


4.4.4 结构数组的创建
（a)利用字典来定义结构

5.数组的属性
1.numpy.ndarray.ndim 用于返回数组的维数,也称为秩，
2.numpy.nadarray.shape 表示数组的维度
3.numpy.nadarray.size
4.numpy.nadarray.dtype
5.numpy.ndarray.itemsize