# NumPy
## The Basics
NumPy 主要面向的对象是齐次多维数组。在NumPy中维度(dimension)被称为轴(axe)。轴的个数即为秩(rank)。
例如，一个坐标为[1, 2, 1]的点的秩为1，因为它只有一个轴，并且这个轴的长度为3。下面这个例子，这个数组的秩为2。第一个轴的长度为2，第二个轴的长度为3
```
[[1,0,0],
[0,1,2]]
```
NumPy的数组类(class)被称为ndarray。它的别名(alias)被叫做数组。需要注意的是，numpy.array与标准Python库类array.array不一样，它只处理一维数组，并且提供较少的功能。ndarray的主要属性如下：
- ndarray.admin
数组的轴(axe)的数量。在Python中维度即为秩.
- ndarray.shape
这个属性包含了数组的各向维度，例如一个m*n的矩阵，其shape为元组(m,n)
- ndarray.size
数组中元素总共的数目。
- ndarray.dtype
用于描述数组中元素的类型
- ndarray.itemsize
数组中每个元素的字节数。例如，一个float64的字节数为8 =（64/8），等价于ndarray.dtype,itemsize。
- ndarray.data
用于存储数组的实际元素。
```Python
>>> import numpy as np
>>> a = np.arange(15).reshape(3,5)
>>> a
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
>>> a.shape
(3, 5)
>>> a.ndim
2
>>> a.dtype.name
'int32'
>>> a.itemsize
4
>>> type(a)
>>> b = np.array([6,7,8])
>>> b
array([6, 7, 8])
>>> type(b)
```
## Array Creation
```Python
>>> a = np.array([2,3,4])
>>> a
array([2, 3, 4])
>>> a = np.array(1,2,3,4) # wrong
Traceback (most recent call last):
File "", line 1, in
a = np.array(1,2,3,4)
ValueError: only 2 non-keyword arguments accepted
>>> b = np.array([(1.5,2,3),(4,5,6)])
>>> b
array([[ 1.5, 2. , 3. ],
[ 4. , 5. , 6. ]])
>>> c = np.array([[1,2],[3,4]], dtype=complex)
>>> c
array([[ 1.+0.j, 2.+0.j],
[ 3.+0.j, 4.+0.j]])
>>> np.zeros((3,4))
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
>>> np.ones(shape=(2,3),dtype=np.int16)
array([[1, 1, 1],
[1, 1, 1]], dtype=int16)
>>> np.empty((2,3))
array([[ 3.90311860e-322, 0.00000000e+000, 2.78145267e-307],
[ 4.00537061e-307, 2.23419104e-317, 8.36014030e+250]])
```
numpy.arange([start,]stop,[step,]dtype=None)
- 功能：在区间[statr,stop)之间生成一个步长为step的连续数组。start的默认值为0，默认步长为1
numpy.linspace(start,stop,num=50,endpoint=True,restep=False,dtype=None)
- start:必要参数，返回序列的起始位置。
- stop:返回序列的最后一个位置。
- num：采样点的数目，即序列的长度。
- endpoint:如果为True,则对于区间进行num-1等分，并且序列最后一个点为stop,如果为False，则对于区间尽心num等分，并且区间最后一个点为stop前一点。
- restep:默认值为False。如果为True，返回值为(samples,step)
```Python
>>> np.linspace(start=1,stop=5,num=4)
array([ 1. , 2.33333333, 3.66666667, 5. ])
>>> np.linspace(start=1,stop=5,num=4,endpoint=False)
array([ 1., 2., 3., 4.])
```
numpy.random.rand(d0, d1,..., dn)
- d0,d1,...,dn:shape
- return: ndarray,shape(d0, d1,...,dn)
```Python
>>> np.random.rand(3,2)
array([[ 0.17227376, 0.22609618],
[ 0.53162876, 0.70428079],
[ 0.30794007, 0.36767049]])
```
## Ptinting Arrays
```Python
>>> a = np.arange(6)
>>> print(a)
[0 1 2 3 4 5]
>>> b = np.arange(12).reshape(4,3)
>>> b
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
>>> print(b)
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
>>> c = np.arange(24).reshape(2,3,4)
>>> print(c)
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
```
## Basic Operations
```Python
>>> a = np.array([20,30,40,50])
>>> b = np.arange(4)
>>> b
array([0, 1, 2, 3])
>>> c = a-b
>>> c
array([20, 29, 38, 47])
>>> b**2
array([0, 1, 4, 9], dtype=int32)
>>> 10*np.sin(a)
array([ 9.12945251, -9.88031624, 7.4511316 , -2.62374854])
>>> a<35
array([ True, True, False, False], dtype=bool)
>>>
```
网友评论