1.1 - numpy数组的属性和创建

1.1.1 numpy数组

　　Numpy（Number Python）是Python进行科学计算的一个扩展库，提供了大量的函数和操作，主要用于对多维数组执行计算。

　　Numpy数组中的每个元素都有相同的类型；并且数组大小是不可变的，修改数组大小将会创建新的数组。而python的列表类型list则会动态的扩展长度。

1.1.2 numpy数组的属性

　　ndim 　　　　　维度数
　　shape 　　　　 形状，每个维度的数量组成的元组
　　size 　　　　　 数组中元素的个数
　　dtype　　　 　  数组元素的类型

　　itemsize　　　  数组元素的大小，以 字节 为单位

　　对于数组的 ndim和shape 的形象理解：数组的最左侧，一个括号就代表一个维度，这个括号代表着：括号内可以包含一个或多个子数组，这个括号将这一个或多个子数组括起来就构成了一个维度。

　　注：当数组（如：[1,2]）的维度为1的时候，其shape不能直接写 (2)，而是要写成 （2，）！！！要保证这是一个元组。

import numpy as np

x = np.array([[1], [2], [3]])
print(x.shape)

y = np.array([ [ [1,2] ] ])
print(y.shape)
print(y.size)
print(y.ndim)

z = np.array([3,2])
print(z.shape)
print(z.ndim)

1.1.3 numpy数组的创建和初始化

　　 1）array_like 类型的元素进行初始化

　　 2）调用np的数组初始化方法，如：单位矩阵，零数组，固定元素填充数组等。

　　 3）根据数值范围创建数组，如：np.linspace(), np.logspace() 

import numpy as np

# 初始化数组的三种方式

# 第一种：通过array_like类型的元素，如 list
l1 = [[1, 2], [3, 4]]
n1 = np.array(l1)
print(type(n1))

# 第二种：通过numpy中方法，设置数组填充元素形成数组，如：零数组，单位数组，空数组
n2 = np.empty([2,3], dtype=float)  # 创建一个指定类型的未初始化的数组
n3 = np.zeros((2,3), dtype=int)
n3_like = np.zeros_like(n2)  # 创建一个与n2形状相同的零数组
n4 = np.ones((2,3), dtype=int)
n4_like = np.ones_like(n3)  # 创建一个与n3形状相同的单位数组
n5 = np.full([2, 3], fill_value=3, dtype=int)
'''
    N:矩阵的行数
    M:矩阵的列数，如果确实，则列数与行数相同
    k:默认为0，表示单位矩阵；为正值表示主对角线相邻的上面一个斜行为1，其余为0；为负值表示主对角线相邻的下面一个斜行为1，其余为0.
dtype:矩阵元素类型
'''
n6 = np.eye(3, 3, k=0, dtype=int)  # 初始化一个单位矩阵：主对角线位置的元素为1，其余位置的元素为0
print(n6)

# 第三种：通过数值范围内的元素，随机生成一维数组，然后 reshape。
n7 = np.arange(0, 11, 2)  # 从 [0, 9)，步长为2
n8 = np.linspace(3, 15, num=9, endpoint=True, dtype=int)  # 从 [3, 15]，等间隔选取 num 个值
n9 = np.logspace(1, 2, base=10, num=4)  # 从[1, 2]，等差选5个值，分别作为base的指数
print(n7.reshape((2, 3)))
print(n8.reshape((3, 3)))
print(n9.reshape((2,2)))