Numpy的一些基础回顾

1.基础
Numpy与python列表的区别：
numpy数组中的所有元素必须是相同的数据类型，在创建时指定
python列表中可以由多种数据类型
numpy数组提供了多种数学函数和操作，比如矩阵运算、线性代数、傅里叶变换等
python只提供基础列表操作，比如添加、删除、切片、排序等

2.ndarray
numpy定义了一个n维数组对象，简称ndarray对象，是一个一系列相同元素组成的数组，每个元素所占大小相同内存块。
ndarray采用数组索引机制，常用的布局方式有两种：按行或按列
特点：ndarray表示任意数组，如一维、二维、三维等
数据同质
连续存储
功能丰富
（1）创建对象：numpy.array(object, dtype = None, copy = True, order = None,ndmin = 0)
参数解释：
object：表示一个数组序列
dtype：可选参数，通过它可以更改数组的数据类型
copy：可选参数，表示数组能否被复制，默认是 True
order：以哪种内存布局创建数组，有 3 个可选值，分别是 C(行序列)/F(列序列)/A(默认)
ndmin：用于指定数组的维度
（2）指定/查看数组维度
数组的维度就是一个数组中的某个元素，当用数组下标表示的时候，需要用几个数字来表示才能唯一确定这个元素，这个数组就是几维
（3）reshape数组变维
reshape() 函数允许你在不改变数组数据的情况下，改变数组的维度。
reshape() 返回的是一个新的数组，原数组的形状不会被修改
3.数据类型
常用：
bool_：布尔型数据类型（True 或者 False）
int_：默认整数类型，类似于 C 语言中的 long，取值为 int32 或 int64
uint8：1字节（8位）无符号整数
float_：float64 类型的简写（默认的float64）
complex_：复数类型，与 complex128 类型相同
str_：表示字符串类型，等价于unicode_
bytes_：表示字节串类型，基于字节
string_：表示字节串类型，等价于`bytes_`，基于字节，NumPy 2.0以后版本被移除，使用`bytes_`代替
unicode_：表示字节串类型，基于字符，NumPy 2.0以后版本被移除，使用str_`代替
注：int_、float_、comlex_下划线中有多种选择，比如int32，代表4字节整数
（1）数据类型对象
又称dtype对象
使用：可以在创建数组时指定dtype参数来定义数组中元素的数据类型
import numpy as np

# 创建一个 int32 类型的数组
arr_int = np.array([1, 2, 3], dtype=np.int32)
print(arr_int.dtype)  # 输出: int32
（2）数据类型标识码
每种数据类型都有唯一标识字符码
b：代表布尔型
i：带符号整型
u：无符号整型
f：浮点型
i8：i1
u32:u4
浮点float32：f4
布尔类型bool：b1
4.数组属性
（1）shape
返回一个元组，元组中的每个元素表示数组在对应维度上的大小
属性功能：
返回一个由数组维度构成的元组
通过赋值，可以用来调整数组维度的大小
（2）ndim
返回的是数组的维数
（3）itemsize
返回数组中每个元素的大小（以字节为单位），即每个元素占用的字节数
（4）flags
返回 ndarray 数组的内存信息
C_CONTIGUOUS : True
F_CONTIGUOUS : False
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
5.创建数组的其他方法
（1）empty()用来创建一个指定形状（shape）、数据类型（dtype）且**未初始化**的数组（数组元素为随机值）
numpy.empty(shape, dtype = float, order = 'C')
（2）zeros()创建指定大小的数组，数组元素以 0 来填充
numpy.zeros(shape, dtype = float, order = 'C')
 （3）ones()创建指定形状的数组，数组元素以 1 来填充
numpy.ones(shape, dtype = None, order = 'C')
（4）arange() 函数用于创建一个等差数列的数组。它类似于 Python 内置的 range() 函数，但返回的是一个 NumPy 数组而不是一个列表。
numpy.arange(start, stop, step, dtype)（有点类似于range（），但是是生产数组）
（5）linspace在指定的数值区间内，返回均匀间隔的一维等差数组，默认均分 50 份
主动给定一个范围，和份数，计算机将返回平均分成的份数，等差数列
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
6.切片
ndarray 对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样；
省略号 ... 的作用
表示所有维度: 省略号用于表示数组的所有维度。例如，array[..., 1] 表示取所有行的第 1 列。
重要：slice返回的数组是原数组的一个视图，修改数据会影响原数组中的数据。
7.高级索引
（1）整数数组索引
使用数组访问数组，比如二维数组[[2,3,4],[7,8,9]],访问8则利用[1][1]
返回的新数组是一个**副本**，修改它不会影响原数组。
（2）布尔索引
布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。
**逻辑运算符**：
选定特定元素后，返回特定位置的布尔值，表示是否选中
- &：与运算，组合多个条件。
- |：或运算，组合多个条件。
- ~：非运算，取反条件
8.广播
）是 numpy 对不同形状（shape）的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。这要求维数相同，且各维度的长度相同，如果不相同，可以通过广播机制，这种机制的核心是对形状较小的数组，在横向或纵向上进行一定次数的重复，使其与形状较大的数组拥有相同的维度。

**广播规则**

用简单的类型来表示：
匹配行列中的一种，被匹配项必须为一列或一列
3行2列和3行1列
2行3列和1行3列
不匹配抛出异常
一维数组与标量相加**：
元素都加标量
二维数组与一维数组相加：
二维中相匹配形状项每项都加一维数组相对应元素
二维数组与二维数组相加**：
arr2d_broadcast 被广播到与 arr2d 相同的形状，然后进行逐元素相加。
9.遍历数组
（1）遍历数组的第一维度
import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
for i in arr:
    print(i)
返回的是一行一行的
（2）nditer逐个访问元素
**nditer** 是 NumPy 中的一个强大的迭代器对象，用于高效地遍历多维数组。nditer 提供了多种选项和控制参数，使得数组的迭代更加灵活和高效。
参数：order 参数用于指定数组的遍历顺序。默认情况下，nditer 按照 C 风格（行优先）遍历数组。
flags 参数用于指定迭代器的额外行为。
multi_index: 返回每个元素的多维索引。
external_loop: 返回一维数组而不是单个元素，减少函数调用的次数，从而提高性能。
可以按照遍历的对象逐个返回相对应的索引