ndarray 对象
ndarray 实际上是多维数组的含义。在 NumPy 数组中，维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。在 NumPy 中，每一个线性的数组称为一个轴（axes），其实秩就是描述轴的数量。
创建数组
import numpy as np
a = np.array([1, 2, 3])
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b[1,1]=10
print (a.shape) #数组属性，数组大小
print (b.shape)
print (a.dtype) #元素属性
print (b)
结构数组
import numpy as np
persontype = np.dtype({[('name','S32'), ('age','i'),( 'chinese','i'),( 'math','i'),( 'english','i')]}) #结构数组元素名&类型
peoples = np.array([("ZhangFei",32,75,100, 90),("GuanYu",24,85,96,88.5),
("ZhaoYun",28,85,92,96.5),("HuangZhong",29,65,85,100)],
dtype=persontype)
ages = peoples[:]['age']
chineses = peoples[:]['chinese']
maths = peoples[:]['math']
englishs = peoples[:]['english']
print (np.mean(ages)) #计算平均值
连续数组的创建
x1 = np.arange(1,11,2) #arange() 类似内置函数 range()，通过指定初始值、终值、步长来创建等差数列的一维数组，默认 是不包括终值的。
x2 = np.linspace(1,9,5) #linspace 是 linear space 的缩写，代表线性等分向量的含义。linspace() 通过指定初始值、终值、 元素个数来创建等差数列的一维数组，默认是包括终值的。
算数运算
x1 = np.arange(1,11,2)
x2 = np.linspace(1,9,5)
print np.add(x1, x2)
print np.subtract(x1, x2)
print np.multiply(x1, x2)
print np.divide(x1, x2)
print np.power(x1, x2)
print np.remainder(x1, x2) #取余函数，等价于 np.mod(x1, x2)，
计数组 / 矩阵中的最大值函数 amax()，最小值函数 amin()
import numpy as np
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
print np.amin(a)
print np.amin(a,0) #amin(a,0) 是延着 axis=0 轴的最小值（竖着），axis=0 轴是把元素看成了 [1,4,7], [2,5,8], [3,6,9] 三个元素， 所以最小值为 [1,2,3]
print np.amin(a,1)
print np.amax(a)
print np.amax(a,0)
print np.amax(a,1)
统计最大值与最小值之差 ptp()
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
print np.ptp(a)
print np.ptp(a,0)
print np.ptp(a,1)
统计数组的百分位数 percentile()
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
print np.percentile(a, 50)
print np.percentile(a, 50, axis=0)
print np.percentile(a, 50, axis=1)
统计数组中的中位数 median()、平均数 mean()
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
# 求中位数
print np.median(a)
print np.median(a, axis=0)
print np.median(a, axis=1)
# 求平均数
print np.mean(a)
print np.mean(a, axis=0)
print np.mean(a, axis=1)
统计数组中的加权平均值 average()
a = np.array([1,2,3,4])
wts = np.array([1,2,3,4])
print np.average(a)
print np.average(a,weights=wts) #weights指定权重，默认权重为1
统计数组中的标准差 std()、方差 var()
a = np.array([1,2,3,4])
print np.std(a)
print np.var(a)
NumPy 排序
a = np.array([[4,3,2],[2,4,1]])
print np.sort(a)
print np.sort(a, axis=None)
print np.sort(a, axis=0)
print np.sort(a, axis=1)
