# numpy 学习
1.了解numpy 特性
2.掌握numpy的使用方法
numpy 官网地址 https://numpy.org/
NumPy简介
NumPy（NumericalPython）是Python数据分析必不可少的第三方库，NumPy的出现一定程度上解决了Python运算性能不佳的问题，同时提供了更加精确的数据类型，使其具备了构造复杂数据类型的能力。本身是由C语言开发，是个很基础的扩展，NumPy被Python其它科学计算包作为基础包，因此理解np的数据类型对python数据分析十分重要。NumPy重在数值计算，主要用于多维数组（矩阵）处理的库。用来存储和处理大型矩阵，比Python自身的嵌套列表结构要高效的多。
NumPy重要功能如下：
高性能科学计算和数据分析的基础包
ndarray，多维数组，具有矢量运算能力，快速、节省空间
矩阵运算，无需循环，可完成类似Matlab中的矢量运算
用于读写磁盘数据的工具以及用于操作内存映射文件的工具
NumPy属性
Numpy主要对象是同类元素，的多维数据，所有元素都是一种类型。
在Numpy中(dimensions)叫做轴(axes)，轴的个数叫做秩(rank)
Numpy的数组类被称为ndarray，通常被称为数组。
ndarray对象属性有：
ndarray.ndmin 数组轴的个数
ndarray.shape 数组的维度
ndarray.size 数组元素的总个数, 就是shape中元组的承积
ndarray.dytpe 用来描述数组中的元素类型，这个是python中的type有区别，不要混淆。
ndarray.itemsize 数组中每个元素字节的大写
**代码示列**
import numpy as np
a = np.arange(15).reshape(3, 5) ## np.arange(15)数组元素是15个，reshape（3，5）元组的形状3行5列
print ("数组的维度:",a.shape)
print ("数组轴的个数:",a.ndim)
print ("数组元素类型:",a.dtype)
print ("数组中每个元素的字节大小:",a.itemsize)
print ("数组元素的总个数:", a.size)
print ("类型查询:",type(a))#创建一个数组
b = np.array([6, 7, 8])
print ("数组b:",b)
print ("数组b类型:",type(b))
运行结果:
数组的维度: (3, 5)
数组轴的个数: 2
数组元素类型: int32
数组中每个元素的字节大小: 4
数组元素的总个数: 15
类型查询: <class 'numpy.ndarray'>
数组b: [6 7 8]
数组b类型: <class 'numpy.ndarray'>
创建ndarray
ndarray 就是numpy的多维数组，ndarray的下标是从0开始，数组里元素必须是同一个类型
import numpy as np
a = np.array([1,3,5])
print('打印数组a：',a)
print('数组元素a的类型：',a.dtype)b = np.array([1.2,2.0,3.0])
print('数组元素b的类型：',b.dtype)arange
arange 和python的range（）类似，arange 创建一个一维的数组
np_arange = np.arange(10, 20, 5,dtype=int)
print ("arange创建np_arange:",np_arange)
print( "arange创建np_arange的元素类型:",np_arange.dtype)
print ("arange创建np_arange的类型:",type(np_arange))
matrix
matrix 是ndarray的一个子类，只能生成2纬的矩阵
创建随机数矩阵
import numpy as np
## 生成指定维度大小（3行4列，这个是二维的没发表示所以我这里就用行和列来表示）rand的固定区间是0～1。0
arr = np.random.rand(3,4)
print(arr)
print(type(arr))
# 生成指定维度大小（3行4列）的随机多维整型数据（二维），randint()可以指定区间（-1, 5）
arr = np.random.randint(-1, 5, size = (3, 4))
print(arr)
print(type(arr))# 生成指定维度大小（3行4列）的随机多维浮点型数据（二维），uniform()可以指定区间（-1, 5）产生-1到5之间均匀分布的样本值
arr = np.random.uniform(-1, 5, size = (3, 4)) #
print(arr)
print(type(arr))ndarray的数据类型
-
dtype参数，指定数组的数据类型，类型名+位数，如float64, int32
-
astype方法，转换数组的数据类型
# 初始化3行4列数组，数据类型为float64
zeros_float_arr = np.zeros((3, 4), dtype=np.float64)
print(zeros_float_arr)
print(zeros_float_arr.dtype) #float64# astype转换数据类型，将已有的数组的数据类型转换为int32
zeros_int_arr = zeros_float_arr.astype(np.int32)
print(zeros_int_arr)
print(zeros_int_arr.dtype) #int32
