numpy

1.numpy基础

• 一个开元的python科学计算库
• 计算起来要比python简洁高效
• Numpy使用ndarray对象来处理多维数组
  • ndarry的优势
    • 内存块风格
      • python中的list—分离式存储，存储内容多样化
      • ndarry—一体存储，存储类型必须一样
    • ndarry支持并行化运算（向量化运算）
    • ndarry底层是用C语言写的，效率更高

2. N维数组-ndarray

2.1数组的属性

score = np.array([[80,89,86,67,79],[78,97,89,67,81],
                  [90,94,78,67,74],[91,91,90,67,69],
                  [76,87,75,67,86],[70,79,84,67,84],
                  [94,92,93,67,64],[86,85,83,67,80]])

a = score.shape
#(8, 5),8行5列，表示数组维度的元素

a = score.ndim
#2,数组的维数，该数组为一个2维数组

a = score.size
#40,数组中的元素数量，该数组中共有40个元素

a = score.itemsize
#4,在这40个元素中，每个元素的大小

a = score.dtype
#int32,数组元素的类型
print(a)

2.2 数组的形状

#array可以有很多维度，本次以1,2,3维度举列

a = np.array([1,2,3])
print(a.shape)
#(3,)，一维数组，3个元素

a = np.array([[1,2,3],[4,5,6]])
print(a.shape)
#(2, 3),二维数组，2行3列

a = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])
print(a.shape)
#三维数组可以看做是多个2维数组相叠加的结果
#(2, 2, 3),第1个2指的是包含2个2维数组，第2个2指的是2维数组中包含2个1维数组，3指的是一维数组中包含3个元素

2.3数组类型

#声明数据类型
a = np.array([[1,2,3],[4,5,6]],dtype=np.float32)
print(a.shape)

a = np.array(["hello","python","i",1],dtype=np.string_)#把所包含的元素全部转换为字符型
print(a.dtype)#S6,元素中最长的字符串为6