介绍NumPy
NumPy是一个开源的Python科学计算基础库，包含：
1、一个强大的N维数组对象 ndarray
2、 广播功能函数
3、整合C/C++/Fortran代码的工具
4、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
NumPy的引用
import numpy as np（引入模块的别名）
N维数组对象：ndarray
ndarray是一个多维数组对象，由两部分构成：
1、实际的数据
2、描述这些数据的元数据（数据维度、数据类型等）
ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始
ndarray对象的属性
| 属性 | 说明 |
|---|---|
| .ndim | 秩，即轴的数量或维度的数量 |
| .shape | ndarray对象的尺度，对于矩阵，n行m列 |
| .size | ndarray对象元素的个数，相当于.shape中n*m的值 |
| .dtype | ndarray对象的元素类型 |
| .itemsize | ndarray对象中每个元素的大小，以字节为单位 |
ndarray实例
ndarray的元素类型(1)
| 数据类型 | 说明 |
|---|---|
| bool | 布尔类型，True或False |
| intc | 与C语言中的int类型一致，一般是int32或int64 |
| intp | 用于索引的整数，与C语言中ssize_t一致，int32或int64 |
| int8 | 字节长度的整数，取值：[‐128, 127] |
| int16 | 16位长度的整数，取值：[‐32768, 32767] |
| int32 | 32位长度的整数，取值：[‐231, 231‐1] |
| int64 | 64位长度的整数，取值：[‐263, 263‐1] |
ndarray的元素类型(2)
| 数据类型 | 说明 |
|---|---|
| uint8 | 8位无符号整数，取值：[0, 255] |
| uint16 | 16位无符号整数，取值：[0, 65535] |
| uint32 | 32位无符号整数，取值：[0, 232‐1] |
| uint64 | 32位无符号整数，取值：[0, 264‐1] |
| float16 | 16位半精度浮点数：1位符号位，5位指数，10位尾数 |
| float32 | 32位半精度浮点数：1位符号位，8位指数，23位尾数 |
| float64 | 64位半精度浮点数：1位符号位，11位指数，52位尾数 |
ndarray的元素类型(3)
| 数据类型 | 说明 |
|---|---|
| complex64 | 复数类型，实部和虚部都是32位浮点数 |
| complex128 | 复数类型，实部和虚部都是64位浮点数 |
一、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
从列表类型创建：
从元组类型创建
从列表和元组混合类型创建
（2）使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等
| 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数组，shape是元组类型 |
| np.zeros(shape) | 根据shape生成一个全0数组，shape是元组类型 |
| np.full(shape,val) | 根据shape生成一个数组，每个元素值都是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的形状生成一个数组，每个元素值都是val |
（3）使用NumPy中其他函数创建ndarray数组
| 函数 | 说明 |
|---|---|
| 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 |
二、ndarray数组的变换
| 方法 | 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 |
（一）、ndarray数组的维度变换
（二）、ndarray数组的类型变换
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
（四）、ndarray数组向列表的转换
三、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
（一）、一维数组的索引和切片：与Python的列表类似。
说明：a[1:4:2} 起始编号：终止编号：步长
编号从0开始从左递减，或从右递增
（二）、多维数组的索引：
说明：每个维度一个索引值，逗号分隔。
（三）、多维数组的切片：
[55]选取一个维度用:
[56]每个维度切片方法与一维数组相同
[57]每个维度可以使用步长跳跃切片
四、ndarray数组的运算
（一）、数组与标量之间的运算（数组与标量之间的运算作用于数组的每一个元素）
（二）、NumPy一元函数
对ndarray中的数据执行元素级运算的函数
| 函数 | 说明 |
|---|---|
| np.abs(x) np.fabs(x) | 计算数组各元素的绝对值 |
| np.sqrt(x) | 计算数组各元素的平方根 |
| np.square(x) | 计算数组各元素的平方 |
| np.log(x) np.log10(x)np.log2(x) | 计算数组各元素的自然对数、10底对数和2底对数 |
| np.ceil(x) np.floor(x) | 计算数组各元素的ceiling值 或 floor值 |
| np.rint(x) | 计算数组各元素的四舍五入值 |
| np.modf(x) | 将数组各元素的小数和整数部分以两个独立数组形式返回 |
| np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) | 计算数组各元素的普通型和双曲型三角函数 |
| np.exp(x) | 计算数组各元素的指数值 |
| np.sign(x) | 计算数组各元素的符号值，1(+), 0, ‐1(‐) |
（三）、NumPy二元函数
在这里插入图片描述
| 函数 | 说明 |
|---|---|
| + ‐ * / ** | 两个数组各元素进行对应运算 |
| np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin() | 元素级的最大值/最小值计算 |
| np.mod(x,y) | 元素级的模运算 |
| np.copysign(x,y) | 将数组y中各元素值的符号赋值给数组x对应元素 |
| > < >= <= == != | 算术比较，产生布尔型数组 |
小节：
来源：CSDN
作者：你变秃了，但你也变强了
链接：https://blog.csdn.net/weixin_44947339/article/details/104034206