一、Numpy基础：数组和矢量计算

（1）
shape:返回维度；dtype:返回元素类型
zeros(10):10个0的一维数组；
zeros(3,6):3*6的二维数组
ones:元素为1的以为数组
empty：未做初始化，元素可以是任何数
np.arange(15)：生成0到14的连续元素的数组
np.eye(3):N*N的单位矩阵

（2）
–array:将输入数据（列表、元祖、数组或其他序列列席）转换为ndarray(元素之间无逗号，列表和元素之间有逗号)。要么推断出dtype、要么显示指定。
print ‘生成数组时指定数据类型’
arr = np.array([1, 2, 3], dtype = np.float64)
–asarray:将输入转换为ndarray (使用astype将float转换为int时小数部分被舍弃’)
int_arr = np.array([1, 2, 3, 4, 5])
float_arr = int_arr.astype(np.float)//dtype=np.float
‘astype使用其它数组的数据类型作为参数’
int_arr = np.arange(10)
float_arr = np.array([.23, 0.270, .357, 0.44, 0.5], dtype = np.float64)
print int_arr.astype(float_arr.dtype)
astype做了复制，数组本身不变。

(3)

数组乘法／减法，对应元素相乘／相减。

arr = np.array([[1.0, 2.0, 3.0], [4., 5., 6.]])
print arr * arr
print arr - arr

标量操作作用在数组的每个元素上

arr = np.array([[1.0, 2.0, 3.0], [4., 5., 6.]])
print 1 / arr
print arr ** 0.5 # 开根号

(4)
* 花式索引(Fancy indexing)是一个NumPy术语，它指的是利用整数数组进行索引。
* 一次传入多个索引数组会有一点特别。它返回的是一个一维数组，其中的元素对应各个索引元组
*
print arr[[1, 5, 7, 2], [0, 3, 1, 2]] # 打印arr[1, 0]、arr[5, 3]，arr[7, 1]和arr[2, 2]
print arr[[1, 5, 7, 2]][:, [0, 3, 1, 2]] # 1572行的0312列
print arr[np.ix_([1, 5, 7, 2], [0, 3, 1, 2])] # 可读性更好的写法
（5）
range返回list对象，arange返回array对象（array相同数据类型）

（6）函数（元素级）

（7）
print “高维数组拉平”
arr = np.arange(15).reshape((5, 3))
print arr.ravel()

• stack（）：沿着新的轴加入一系列数组。
• vstack（）：堆栈数组垂直顺序（行）==np.concatenate（tup,axis=0）
• hstack（）：堆栈数组水平顺序（列）==np.concatenate（tup,axis=1）
• dstack（）：堆栈数组按顺序深入（沿第三维）。
• concatenate（）：连接沿现有轴的数组序列。
• vsplit（）：将数组分解成垂直的多个子数组的列表。