Numpy库入门
从一个数据到一组数据
维度：一组数据的组织形式
一维数据：由对等关系的有序或无序数据构成，采用线性方式组织。
可用类型：对应列表、数组和集合
不同点：
列表：数据类型可以不同
数组：数据类型相同
二维数据：由多个一维数据构成，是一维数据的组合形式。
表格是典型的二维数据
多维数据：由一维或二维数据在新维度上扩展形成。
高维数据：仅利用最基本的二元关系展示数据间的复杂结构。
键值对将数据组织起来的形式
一维数据：列表和集合类型
二维数据：列表类型
多维数据：列表类型
高维数据：字典类型或数据表示格式(JSON\XML\YAML)
Numpy科学计算基础库
*一个强大的N维数组对象 ndarray
*广播功能函数
*整合C/C++/Fortran代码的工具
*线性代数、傅里叶变换、随机数生成等功能
Numpy是Scipy、Pandas等数据处理或科学计算库的基础。
import numpy as np
尽管别名可以省略或更改，建议使用上述约定的别名
Python已有列表类型，为什么需要一个数组对象（类型）？
-数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据
-设置专门的数组对象，经过优化，可以提升这类应用的运算速度
观察：科学计算中，一个维度所有数据的类型往往相同
-数组对象采用相同的数据类型，有助于节省运算和存储空间
ndarray是一个多维数组对象，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）
np.array() 输出成[ ]形式，元素由空格分隔
轴（axis）：保存数据的维度；秩（rank）：轴的数量
ndarray对象的属性
ndarray数组的元素类型
ndarray的元素类型（1）
实部（.real）+ j虚部（.imag）
非同质的ndarray对象
ndarray数组的创建
-从Python中的列表、元组等类型创建ndarray数组
-使用NumPy中函数创建ndarray数组，如：arange，ones，zeros等
-从字节流（raw bytes）中创建ndarray数组
-从文件中读取特定格式，创建ndarray数组
ndarray数组的创建方法
（1）从Python中的列表、元组等类型创建ndarray数组
x = np.array(list/tuple)
x = np.array(list/tuple, dtype=np.float32)
当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型
（1）从Python中的列表、元组等类型创建ndarray数组
（2）使用NumPy中函数创建ndarray数组，如：arange，ones，zeros等
（3）使用NumPy中其他函数创建ndarray数组
ndarray数组的变换
对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换
a = np.ones((2,3,4), dtype = np.int32)
ndarray数组的维度变换
ndarray数组的类型变换
new_a = a.astype(new_type)
astype()方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一致
ndarray数组向列表的转换
ls = a.tolist()
ndarray数组的操作
数组的索引和切片
索引：获取数组中特定位置元素的过程
切片：获取数组元素子集的过程
数组的索引和切片
一维数组的索引和切片：与Python的列表类似
多维数组的索引：
数组的索引和切片
多维数组的切片：
数组与标量之间的运算作用于数组的每一个元素
实例
NumPy一元函数
对ndarray中的数据执行元素级运算的函数
Numpy二元函数
本文为博主学习笔记，转载需注明来源；
学习视频所属：中国大学MOOC 北京理工大学 嵩天老师https://www.icourse163.org/course/BIT-1001870002