NumPy数组

NumPy数组是一个多维数组对象，称为ndarray。它由两部分组成：

• 实际的数据
• 描述这些数据的元数据

大部分的操作只针对于元数据，而不改变底层实际的数据。

关于NumPy数组有以下几点是必须了解的：

• 数组的下标是从0开始的
• 同一个NumPy数组中所有元素的类型都必须是相同的。

NumPy数组属性

在详细介绍NumPy数组之前，先详细介绍下NumPy数组的基本属性。NumPy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。在NumPy中，每一个线性的数组称为是一个轴（axis），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（axis）。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。

NumPy的数组中比较重要ndarray对象属性有：

• ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为二维数组（矩阵）。
• ndarray.shape：数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中，表示数组的“行数”和“列数”。ndarray.shape返回一个元组，这个元组的长度就是维度的数目，即ndim属性。
• ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。
• ndarray.dtype：表示数组中元素的类型。
• ndarray.itemsize：数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bit，每个字节长度为8，所以64/8，占用8个字节），又如，一个元素类型为complex32的数组itemsize属性值为4（32/8）。
• ndarray.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。

创建数组

先介绍一下创建数组。创建数组的方法有很多种。比如可以使用array函数从常规的Python列表和元组创造数组，数组元素的类型由原序列中的元素推导而来

import numpy as np  # 引入模块
a=np.array([2,3,4])
print(a)
print(a.dtype)  # 查看数组的类型
b=np.array([1.2,3.5,5.1])
print(b.dtype)

注意使用array函数创建时，参数必须是由方括号括起来的列表，不能使用多个数值作为参数调用array。

a=np.array(1,2,3,4)  # 错误
a=np.array([1,2,3,4])  # 正确

可以使用双重序列来表示二维的数组，三重序列来表示三维数组，以此类推。

b=np.array([[1.5,2,3],[4,5,6]])
print(b)
print(b.ndim)

# 两种方法都可以创建二维数组

b=np.array([(1.5,2,3),(4,5,6)])
print(b)
print(b.ndim)

可以在创建时显式指定数组中元素的类型

a=np.array([[1,2],[3,4]],dtype=complex)
print(a)

通常，刚开始时数组的元素未知，而数组的大小已知。因此，NumPy提供了一些使用占位符创建数组的函数。这些函数有助于满足除了数组扩展的需要，同时降低了高昂的运算开销。

用函数zeros可创建一个全是0的数组，用函数ones可创建一个全为1的数组，函数empty创建一个内容随机并且依赖于内存状态的数组。默认创建的数组类型(dtype)都是float64。

a=np.zeros((3,4))
print(a)

也可以指定类型

a=np.zeros((3,4),dtype=int)
print(a)