NumPy 基本数据结构和属性

1. Numpy是Python科学计算库,用于快速处理任意维度的数组

2. NumPy提供一个N维数组类型ndarray，它描述了相同类型的“items”的集合。

3. ndarray支持向量化运算

4. NumPy使用c语言写的，底部解除了GIL，其对数组的操作速度不在受python解释器限制

5. ndarray属性

   属性	描述
   ndarray.shape	数组维度的元组
   ndarray.ndim	数组维数
   ndarray.size	数组中的元素数量
   ndarray.itemsize	一个数组元素的长度(字节)
   ndarray.dtype	数组元素的类型

6. import numpy as np
   
   a = np.array([1,2,3])
   b = np.array([[1,2,3],[4,5,6]])
   c = np.array([[[1,2],[3,4]], [[5,6],[7,8]]])
   #shape表示数组的形状
   #a.shape ---> (3,) 一维数组
   #b.shape --->(2,3)二维数组 2行3列
   #c.shape --->(2,2,2)三维数组
   
   #ndim表示数组的维度
   #a.ndim ---> 1
   #b.ndim ---> 2
   #c.ndim ---> 3
   
   #size表示数组中的元素数量
   #a.size ---> 3
   #b.size ---> 6
   #c.size ---> 8
   
   #dtype表示元组元素的类型
   #a.dtype ---> dtype('int32')
   #b.dtype ---> dtype('int32')
   #c.dtype ---> dtype('int32')
   

7. ndarray元素数据类型

   ndarray.dtype查看数组元素的数据类型,NumPy支持比Python更多的数值类型

   数据类型	描述	唯一标识符
   bool	用一个字节存储的布尔类型（True或False）	'b'
   int8	一个字节大小，-128 至 127	'i'
   int16	整数，16 位整数(-32768 ~ 32767)	'i2'
   int32	整数，32 位整数(-2147483648 ~ 2147483647)	'i4'
   int64	整数，64 位整数(-9223372036854775808 ~ 9223372036854775807)	'i8'
   uint8	无符号整数，0 至 255	'u'
   uint16	无符号整数，0 至 65535	'u2'
   uint32	无符号整数，0 至 2 ** 32 - 1	'u4'
   uint64	无符号整数，0 至 2 ** 64 - 1	'u8'
   float16	半精度浮点数：16位，正负号1位，指数5位，精度10位	'f2'
   float32	单精度浮点数：32位，正负号1位，指数8位，精度23位	'f4'
   float64	双精度浮点数：64位，正负号1位，指数11位，精度52位	'f8'
   complex64	复数，分别用两个32位浮点数表示实部和虚部	'c8'
   complex128	复数，分别用两个64位浮点数表示实部和虚部	'c16'
   object_	python对象	'O'
   string_	字符串	'S'
   unicode_	unicode类型	'U'

   NumPy的数值类型实际上是 dtype对象的实例，并对应唯一的字符，包括 np.bool_，np.int32，np.float32，等等。

   import numpy as np
   d = np.dtype(np.int32)
   print(d) ---> int32
   

   # 创建数组指定数据类型
   e = np.array([[1,2],[3,4]],dtype=np.float32)
   e ---> array([[1., 2.],
          [3., 4.]], dtype=float32)
   
   f = np.array([[1,2],[3,4]],dtype=np.dtype('f4'))
   f ---> array([[1., 2.],
          [3., 4.]], dtype=float32)
   
   
   

   # 创建结构化数据类型
   
   # 1. 创建数据类型
   dt = np.dtype([('price','f4')]) # price 类型的字段名，自定义, 'f4'数据类型 float32
   
   # 2. 将数据类型应用到 ndarray对象
   nd = np.array([(10),(25.8),(36.6)], dtype=dt)
   nd ---> array([(10. ,), (25.8,), (36.6,)], dtype=[('price', '<f4')])
   #创建数组中不同的数据类型数组
   dt = np.dtype([('name','S20'), ('price', 'f4'),
                  ('weight', 'i1')])
   nd = np.array([('meat', 15.6, 2),('apple', 6, 2)],dtype=dt)