Numpy是一个开源的python科学计算基础库。（底层实现由c语言完成）
- ndarray（n维数组对象）
- 整合c/c++/Fortran
- 线性代数、傅里叶交换、随机数生成
ndarray便于计算线性代数的矩阵
ndarray
- 由两部分构成：实际的数据、描述这些数据的元数据（数据维度、数据类型等）
- 要求所有的元素类型相同（同质），数组下标从0开始
- 轴（axis)：保护数据的维度，数组最外围的维度axis=0
- 秩（rank)：轴的数量
对于轴(axis)和秩(rank)的理解点这里
* ndarray对象的属性
| 属性 | 说明 |
|---|---|
| .ndim | 秩，即维度的数量 |
| .shape | ndarray对象的尺度，对于矩阵，n行m列 |
| .size | 对象元素的个数，相当于.shape中的n*m的值 |
| .dtype | 对象的元素类型 |
| .itemsize | 对象元素的大小，以字节为单位 |
数组创建和交换
x=np.array(list/tuple [,dtype=np.int32] )若不指定dtype类型，Numpy则根据数据情况关联一个dtype类型
| 函数 | 说明 |
|---|---|
np.arange(n) |
类似range()函数，返回ndarray类型，元素从0到n-1 |
np.ones(shape) |
根据shape生成一个全1的数组。shape是元组类型 |
np.zeros(shape) |
(全0) |
np.full(shape, val) |
(值全是 val) |
np.eye(n) |
创建一个正方的n*n单位矩阵，对角线为1，其余为0 |
np.ones_like(a) |
根据数组a的形状生成一个全1数组 |
np.zeros_like(a) |
根据数组a的形状生成一个全0数组 |
np.full_like(a, val) |
根据数组a的形状生成一个全val的数组 |
np.linspace() |
根据起止数据等间距地填充数据，形成数组 |
np.concatenate() |
将两个或多个数组合并成一个新的数组 |
维度变换
| 函数 | 说明 |
|---|---|
.reshape(shape) |
不改变数组元素，返回一个shape形状的数组，原数组不变 |
.resize(shape) |
与.reshape()功能一致，但修改原数组 |
.swapaxes(ax1,ax2) |
将数组n个维度中两个维度进行调换 |
.flatten() |
对数组进行降维，返回折叠后的一维数组，原数组不变 |
类型变换
.astype(new_type) 返回一个新的数组（类型为new_type）
a = np.ones((2, 5), dtype=np.int)
b = a.astype(np.float)
ndarreay数组向列表转换
.tolist()
