生成数组，基本符号操作，

numpy工具可用来存储和处理大型矩阵

import numpy as np

ar = np.array([1,2,3,4,5,6,7])也可以ar=np.array([[1,2,3,4],[1,2,3,4]])

print(ar)          # 输出数组，注意数组的格式：中括号，元素之间没有逗号（和列表区分）

print(ar.ndim)    # 输出数组维度的个数（轴数），或者说“秩”，维度的数量也称rank

print(ar.shape)    # 数组的维度，对于n行m列的数组，shape为（n，m）

print(ar.size)    # 数组的元素总数，对于n行m列的数组，元素总数为n*m

print(ar.dtype)    # 数组中元素的类型，类似type()（注意了，type()是函数，.dtype是方法）

print(ar.itemsize) # 数组中每个元素的字节大小，int32l类型字节为4，float64的字节为8

print(ar.data)    # 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

# 数组的基本属性

# ① 数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推

# ② 在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量：

# 比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组

# 所以一维数组就是NumPy中的轴（axes），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。

# 而轴的数量——秩，就是数组的维数。

---

生成数组

print(np.arange(10)) # 返回0-9，整型

print(np.arange(10.0))  # 返回0.0-9.0，浮点型

print(np.arange(5,12))  # 返回5-11

print(np.arange(5.0,12,2))  # 返回5.0-12.0，步长为2

print(np.arange(10000))  # 如果数组太大而无法打印，NumPy会自动跳过数组的中心部分，并只打印边角

in:

ar1=np.random.rand(10).reshape(2,5)#rand('生成的数量').reshape('行‘，’列‘）

print(ar1)

out:

[[ 0.2289068  0.12678402  0.96167365  0.74981155  0.30053571]

[ 0.26183882  0.21550111  0.43072923  0.47217115  0.47244582]]

linspace():返回在间隔[开始，停止]

in:

ar1 = np.linspace(2.0, 3.0, num=5)

ar2 = np.linspace(2.0, 3.0, num=5, endpoint=False)

ar3 = np.linspace(2.0, 3.0, num=5, retstep=True)

print(ar1,type(ar1))

print(ar2)

print(ar3,type(ar3))

out:

[ 2. 2.25 2.5 2.75 3. ]

[ 2.  2.2  2.4  2.6  2.8]

(array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ]), 0.25)

# numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

# start：起始值，stop：结束值

# num：生成样本数，默认为50

# endpoint：如果为真，则停止是最后一个样本。否则，不包括在内。默认值为True。

# retstep：如果为真，返回（样本，步骤），其中步长是样本之间的间距 → 输出为一个包含2个元素的元祖，第一个元素为array，第二个为步长实际

创建数组：eye()

print(np.eye(5))

# 创建一个正方的N*N的单位矩阵，对角线值为1，其余为0

创建数组：zeros()/zeros_like()/ones()/ones_like()

ar1 = np.zeros(5)

ar2 = np.zeros((2,2), dtype = np.int)

print(ar1,ar1.dtype)

print(ar2,ar2.dtype)

print('------')

# numpy.zeros(shape, dtype=float, order='C'):返回给定形状和类型的新数组，用零填充。

# shape：数组纬度，二维以上需要用()，且输入参数为整数

# dtype：数据类型，默认numpy.float64

# order：是否在存储器中以C或Fortran连续（按行或列方式）存储多维数据。

ar3 = np.array([list(range(5)),list(range(5,10))])

ar4 = np.zeros_like(ar3)

print(ar3)

print(ar4)

print('------')

# 返回具有与给定数组相同的形状和类型的零数组，这里ar4根据ar3的形状和dtype创建一个全0的数组

ar5 = np.ones(9)

ar6 = np.ones((2,3,4))

ar7 = np.ones_like(ar3)

print(ar5)

print(ar6)

print(ar7)

# ones()/ones_like()和zeros()/zeros_like()一样，只是填充为1

ar6 = np.ones(（创建数组的个数,行数,列数))

创建数组：eye()

print(np.eye(5))

# 创建一个正方的N*N的单位矩阵，对角线值为1，其余为0