第一章 Numpy基础数据结构

第一章 Numpy基础数据结构

numpy 系列学习：
总章目录：
第一章 Numpy基础数据结构
第二章 ROS常用组件
第三章 ROS建模
第四章 ModelArts模型转换
第五章 HiLens模型管理
第六章 HiLens技能部署
第七章 Hilens红绿灯数据获取+socket通信
第八章 Hilens红绿灯数据获取+socket通信（二）

---

---

前言

URDF建模；
TF坐标变换；
Qt工具箱；

---

提示：以下是本篇文章正文内容，下面案例仅供参考

一、Numpy常用的方法 or 函数

  

1、数组的基本属性：

1. 数组的维度数称为秩（rank），一维数组的秩为1，二维数组自然为2；
2. 在Numpy中，每个线性数组称为是一个轴（axes），秩其实是描述轴的数量；
   例如： 二维数组相当于两个一维数组，其中每一个一维数组中每个元素又是一个一维数组；
   所以，一维数组就是Numpy中的轴（axes），第一个轴相当于底层数组，第二个轴是底层数组里的数组；
   而轴的数量——秩，就是数组的维度。

例如：Numpy 一个一维列表

import numpy as np
ar1= np.array([1,2,3,4,5,6,7,8,9])
print(ar1)         # 输出一个数组，注意格式：中括号，元素之间没有逗号（和列表区分开）；
print(ar1.ndim)    # 输出数据维度的个数（轴数），或者说“秩”，维度的数量也称 rank；
print(ar1.shape)   # 数组的维度，对于 n行 m列 的数组，shape为（ n,m ）；
print(ar1.size)    # 数组中所有元素的总数，对于 n 行，m 列的数组，元素的总数为：n*m； 
print(ar1.dtype)   # 数组中元素的类型，类似type（）,type()是函数，dtype是方法；
ar1.dtype          
print(ar1.itemsize)# 数组中每个元素的字节大小，int32类型字节为 4，float64 的字节为 8；
print(ar1.data)    # 存放实际数据元素的缓冲区，由于一般通过数据的索引获取元素，通常不用这个属性；
ar1                # 交互方式下输出，会有 array（数组）
-------------------------------------------------------
[1 2 3 4 5 6 7 8 9]
1
(9,)
9
int32
4
<memory at 0x0000024B1A981648>
out(1):array([1, 2, 3, 4, 5, 6, 7, 8, 9])

例如：输入是一个二维列表

import numpy as np
ar = np.array([[1,2,3],[2,3,5]])
print(ar)
print(ar.shape)
print(ar.dtype)
----------------------------------------
[[1 2 3]
 [2 3 5]]
(2, 3)
int32

注意dtype属性：

import numpy as np
lst1=[[1,2,3],['x','y','z'],['a','b','c']]
ar2 = np.array(lst1)
print(ar2)
print(ar2.shape)
print(ar2.dtype)
------------------------------------
[['1' '2' '3']
 ['x' 'y' 'z']
 ['a' 'b' 'c']]
(3, 3)
<U11   # Unicode（字符串） 11：占用多少字节，多少位；
# 所以使用时候注意数据统一性。

1、 XML语言介绍

方便使用标签，属性描述机器人的相关信息，组织起来比较方便。
机器人整体可以拆解为两部分：
就是 link 和 joint：

1、 <link>

   连杆，刚体等元素采用<link>......</link>标签定义。
   描述机器人某个刚体部分的外观以及物理属性， 如：尺寸（size）、 颜色（color）、形状（shape）等；
   以及动力学中用到的：惯性矩