介绍：

numpy就是一个便于科学计算的第三方库，常运用于数据分析和大量运算。比如矩阵等…

用处与特点：

• 提供了n维数组(ndarray)
• 数组由同质元素(相同的元素类型)构成，且元素数量(几行几列)是事先定好的。

构成：

1. 轴(axes):类似于x轴、y轴。如图就是两个轴，第0轴和第1轴(轴从0开始数)
   
2. 秩(rank，用ndim属性来获取)——：就是数组的维数，也是轴的数量(从1开始数)
3. 大小(size):数组中元素的个数
4. 形状(shape):就是数组有几行几列
5. 类型(dtype):数组中元素的类型
6. 元素大小(itemsize):数组中单个元素占用的字节数

对于多维数组的理解：用串糖葫芦来理解，二维数组的一个轴每穿过一个元素都是一维数组。
三维数组的一个轴每穿过一个元素都是二维数组。
那么四维数组的一个轴每闯过一个轴都是三维数组。同理类推...
在python的语法中，方括号中每一个元素是n维数组，它就是n+1维数组

导包：

一般都会对numpy库进行更名处理，便于之后使用

import numpy as np

创建数组：

语法：

"""
注意：括号里面还要用中括号，因为至少是一个一维数组。中括号里面每一个元素由n维数组构成，
它就是n+1维数组。别忘了最外层永远有一个中括号
"""
变量名 = np.array([])

演示：

arr = np.array([1,2,3])
arr1 = np.array([[1,2,3],[4,5,6]])#创建二维数组，每一个元素都是一维数组，所以它创建的就是二维数组

numpy常用方法：

常用属性查看：

arr = np.array([[1,2,3],[4,5,6]])

获取秩的大小：

通过数组的ndim属性来获取秩的大小

print(arr.ndim) #2

获取数组形状：

通过数组的shape属性来获取形状

print(arr.shape) #(2, 3)

获取元素个数：

通过数组的size属性来获取元素个数

print(arr.size) #6

获取元素类型：

通过dtype属性来获取元素类型

print(arr.dtype) #int32

获取占用字节数：

通过数组的itemsize属性来获取单个元素的占用字节数

print(arr.itemsize) #4

制定数据类型：

在括号里面添加dtype属性，注意等于的后面更改属性也要加上np.

arr1 = np.array([[6,7,8],[9,10,11]],dtype=np.int64) #指定类型

创建数组的常用方法：

arange():

可以类比于range()函数，不同的是arange()支持浮点数。第一个参数是起始值，第二个参数是终止值(不包括)，第三个参数是步长

实例演示：

import numpy as np
arr = np.arange(1,10,2)
arr1 = np.arange(10.0)
arr2 = np.arange(5)
print(arr)
print(arr1)
print(arr2)

linspace():

可以创建均分的数组，默认包含终止值，第三个参数不是步长而是最终分割成的个数，可以是浮点数

实例演示：

import numpy as np
#把从1到10的数据之间分割成n份
arr = np.linspace(1,10,3)#分成三份
arr2 = np.linspace(1,10,7)#分成七份
arr3 = np.linspace(1,10,20)#分成二十份
print(arr)
print(arr2)
print(arr3)

ones():

用来创建全是1的数组，括号里写的是数组的形状，默认支持浮点数

实例演示：

import numpy as np
arr = np.ones(5)
arr1 = np.ones((2,3))#别忘了数组的形状要用小括号包裹
print(arr)
print(arr1)

zeros():

用来创建全是0的数组，括号里写的是数组的形状，默认支持浮点数

实例演示：

import numpy as np
arr = np.zeros(5)
arr1 = np.zeros((2,3))#别忘了数组的形状要用小括号包裹
print(arr)
print(arr1)

full():

用来创建全是指定参数的数组，第一个参数写的是数组的形状，第二个参数写的是指定数默认支持浮点数

实例演示：

import numpy as np
arr = np.full((2,3),9)
arr1 = np.full((4,7),3.3)
print(arr)
print(arr1)

eye():

用来创建N行M列的单位数组，M省略时创建N行N列的单位数组(从第一列开始依次变1，其他都为0)

实例演示：

import numpy as np
arr = np.eye(3,3)
arr1 = np.eye(4,5)
print(arr)
print(arr1)

random.rand():

用来创建n维数组，元素为0-1之间的随机小数。里面的参数写的是数组的形状，有几个参数就是几维数组，不需要写括号

不写参数：

#随机生成0-1之间的小数
arr = np.random.rand()
print(arr)

二维：

import numpy as np
arr = np.random.rand(2,3)#第0轴元素数量为2，第1轴的元素数量为3.总共是二维
print(arr)

三维：

import numpy as np
arr = np.random.rand(2,3,3)#第0轴元素数量为2，第1轴的元素数量为3.第2轴的元素数量为3总共是三维
print(arr)

至于更多维度就以此类推

随机值范围为a-b:

import numpy as np
a = 5
b = 10
arr = a + (b-a) * np.random.rand(2,3) #随机数范围为5-10
print(arr)

numpy中支持的数值型的数据类型：

数据类型（Data Type）	描述（Description）
int8, uint8	符号和无符号的8位（1个字节）整型
int16, uint16	符号和无符号的16位（2个字节）整型
int32, uint32	符号和无符号的32位（4个字节）整型
int64, uint64	符号和无符号的64位（8个字节）整型
float16	半精度浮点数：符号位，5位指数，10位尾数
float32	单精度浮点数：符号位，8位指数，23位尾数
float64 or float	双精度浮点数：符号位，11位指数，52位尾数
complex64	两个32位浮点数（实数和虚数）
complex128 or complex	两个64位浮点数（实数和虚数）

注意： int, float和complex_代表与平台相关的标准整数，浮点数和复数类型，这些类型在32位平台上和int32, float32, complex64一样，64位平台上和int64,float64,complex128一样。