numpy1.1(基础知识入门+数组创建，全代码)

由于numpy中间的东西没什么需要说明的，大部分都是知道哪个函数是干嘛的就可以，所以我就直接上代码了，然后每个函数都加上了注释来说明这个代码是干嘛的，所以看看就理解了。

import numpy as np
a = [1,2,3,4,5,6]
A = np.array(a)
# 一维数组
print(A)
print(type(A))

# 多维数组
c = np.array([[1,2,3],[4,5,6]])
print(c)
print("数组维数:",c.ndim)   # ndim维度

# 指定维度
e = np.array([1,2,3,4,5,6],ndmin=2,dtype=np.int)    # dtype数据类型
print(e)

# 自定义结构
dt_struct = np.dtype([("age",np.int32)])
f = np.array([(10),(20)],dtype=dt_struct)
print(f['age'])

# 利用dtype创建自定义实体对象
dt_person = np.dtype([('name','S20'),('age',np.int32)])
g = np.array([('bob',20),('hp',66)])
print(g)

# numpy属性
h = np.array([a,a])
print("原数组",h)  # 打印行和列
h.shape = (6,2)
print("改变shape属性",h)    # 需注意二者大小必须一样

# ndim
print("维度修改之前",h.ndim)

# reshape改变维度
h_reshape = h.reshape(2,2,3) # 行+列+维度
print("维度修改之后",h_reshape.ndim,'\n',h_reshape)

# itemsize返回数组中每个元素的单位字节长度
i = np.array([111,0])
print(i.itemsize)

数组类

import numpy as np
a = [1,2,3,4,5,6]
A = np.array(a)
# 一维数组
print(A)
print(type(A))

# 多维数组
c = np.array([[1,2,3],[4,5,6]])
print(c)
print("数组维数:",c.ndim)   # ndim维度

# 指定维度
e = np.array([1,2,3,4,5,6],ndmin=2,dtype=np.int)    # dtype数据类型
print(e)

# 自定义结构
dt_struct = np.dtype([("age",np.int32)])
f = np.array([(10),(20)],dtype=dt_struct)
print(f['age'])

# 利用dtype创建自定义实体对象
dt_person = np.dtype([('name','S20'),('age',np.int32)])
g = np.array([('bob',20),('hp',66)])
print(g)

# numpy属性
h = np.array([a,a])
print("原数组",h)  # 打印行和列
h.shape = (6,2)
print("改变shape属性",h)    # 需注意二者大小必须一样

# ndim
print("维度修改之前",h.ndim)

# reshape改变维度
h_reshape = h.reshape(2,2,3) # 行+列+维度
print("维度修改之后",h_reshape.ndim,'\n',h_reshape)

# itemsize返回数组中每个元素的单位字节长度
i = np.array([111,0])
print(i.itemsize)

数组操作

import numpy as np

# slice切片 的标注模式
a = np.arange(10)
s = slice(2,10,2)
print("利用slice进行切片\n",a[s],"\n")    # 参数（start，stop，step
print("切片的常用模式\n",a[2:10:2],"\n")

# 高级索引   二维整数索引
b = np.array([[1,2,3],[4,5,6],[7,8,9]])
print("取对角线\n",b[[0,1,2],[0,1,2]],"\n")

# 布尔索引
print("取出大于5\n",b[b>5])

# 广播    就是进行矩阵运算的时候，小的向大的看齐
# 同维矩阵
c = np.array([1,2,3,4,5])
d = np.array([1,1,1,1,1])
print("各种操作\n")
print(c+d,c*d)
# 不同维度
e = np.array([[1,1,1],[10,10,10],[20,20,20]])
f = np.array([1,2,3])
print("不同维度操作\n")
print(e+f,'\n',e*f)

# 反转操作
print("\nreshape操作\n",a.reshape(2,5))       # 2行5列 改变维度
print("\nflat操作(拉成一维)\n",a.reshape(5,2).flat[:])   # 拉成一位的数组
print("\nflatten操作(直接返回一位数组)\n",a.reshape(5,2).flatten())
print("\nT矩阵转置操作\n",a.reshape(2,5).T)

# 数组链接操作   ndim不便
a = np.arange(6).reshape(2,3)
b = np.array([[7,8,9],[10,11,12]])
# 沿着0轴进行链接  也就是堆叠    沿着1轴也就是拼接注意和0轴的区别
print("\n沿着0轴进行链接\n",np.concatenate((a,b)))
print("\n沿着1轴进行链接\n",np.concatenate((a,b),axis=1))

# stack操作    两个矩阵放到一个大的矩阵中封装
a = np.arange(6).reshape(2,3)
b = np.arange(6).reshape(2,3)
print("\n沿着0轴进行链接\n",np.stack((a,b),0))
print("\n沿着1轴进行链接\n",np.stack((a,b),1))


# split 数组分割操作
a = np.arange(12);
print("\n分割成3个子数组\n",np.split(a,3))
print("\n灵活分割\n",np.split(a,[1,2,3,4]))

# hsplit 横向分割 vsplit 竖向操作
a = np.arange(16).reshape(4,4)
print("\n横向分割\n",np.hsplit(a,2))
print("\n竖向分割\n",np.vsplit(a,2))

# resize相当于reshape
a = np.arange(6).reshape(2,3)
print("\nresize操作\n",np.resize(a,(3,2)))

# append添加元素
a = np.arange(10).reshape(2,5)
print("\n添加元素\n",np.append(a,[10,11,12]))
print("\n沿着0轴进行添加\n",np.append(a,[[1,1,11,1,1]],axis=0))
print("\n沿着1轴进行添加\n",np.append(a,[[1],[2]],axis=1))

# insert 相当于append  更加灵活
a = np.arange(6).reshape(3,2)
print("\n添加元素\n",np.insert(a,1,[5]))   # 插入数组，位置，插入元素
print("\n沿着0轴进行添加\n",np.insert(a,1,[8,9],axis=0))
print("\n沿着1轴进行添加\n",np.insert(a,1,[5],axis=1))

# delete删除
a = np.arange(12).reshape(3,4)
print("\n不传入axis参数\n",np.delete(a,1))
print("\n按0轴删除\n",np.delete(a,1,axis=0))
print("\n按1轴删除\n",np.delete(a,1,axis=1))

# unique去重
a = np.array([1,1,1,1,5,6,6,6,66,4,8,7,8,8,8,8,7])
print("\n去重\n",np.unique(a))