2020-10-20

task1Numpy入门：
刚开始还是挺基础的，之前有过编程基础，所以这部分就很快的过了一遍，不过也是学到了很多新东西，而且python和c java也是有很多不同之处的。
1、时间日期和时间增量
datetime64 ：在 numpy 中，我们很方便的将字符串转换成时间日期类型 datetime64（datetime 已被 python 包含的日期时间库所占用）。
为了允许在只有一周中某些日子有效的上下文中使用日期时间，NumPy包含一组“busday”（工作日）功能。
将指定的偏移量应用于工作日，单位天（‘D’）。计算下一个工作日，如果当前日期为非工作日，默认报错。可以指定 forward 或 backward 规则来避免报错。（一个是向前取第一个有效的工作日，一个是向后取第一个有效的工作日）
2、数组的创建

1. 依据现有数据来创建 ndarray
   （a）通过array()函数进行创建。
   def array(p_object, dtype=None, copy=True, order=‘K’, subok=False, ndmin=0):
   （b）通过asarray()函数进行创建
   def asarray(a, dtype=None, order=None):
   return array(a, dtype, copy=False, order=order)
   （c）通过fromfunction()函数进行创建
   datatime64是带单位的日期时间类型，
   给函数绘图的时候可能会用到fromfunction()，该函数可从函数中创建数组。
2. 依据 ones 和 zeros 填充方式
3. （a）零数组
   zeros()函数：返回给定形状和类型的零数组。
   zeros_like()函数：返回与给定数组形状和类型相同的零数组。
   def zeros(shape, dtype=None, order=‘C’):
   def zeros_like(a, dtype=None, order=‘K’, subok=True, shape=None)
   def fromfunction(function, shape, **kwargs):

（b）1数组¶
ones()函数：返回给定形状和类型的1数组。
ones_like()函数：返回与给定数组形状和类型相同的1数组。
def ones(shape, dtype=None, order=‘C’):
def ones_like(a, dtype=None, order=‘K’, subok=True, shape=None)

（c）空数组¶
empty()函数：返回一个空数组，数组元素为随机数。
empty_like函数：返回与给定数组具有相同形状和类型的新数组。
def empty(shape, dtype=None, order=‘C’):
def empty_like(prototype, dtype=None, order=‘K’, subok=True, shape=None):
（d）单位数组
eye()函数：返回一个对角线上为1，其它地方为零的单位数组。
identity()函数：返回一个方的单位数组。
def eye(N, M=None, k=0, dtype=float, order=‘C’):
def identity(n, dtype=None):

（e）对角数组¶
diag()函数：提取对角线或构造对角数组。
def diag(v, k=0)

（f）常数数组
full()函数：返回一个常数数组。
full_like()函数：返回与给定数组具有相同形状和类型的常数数组。
def full(shape, fill_value, dtype=None, order=‘C’):
def full_like(a, fill_value, dtype=None, order=‘K’, subok=True, shape=None):

3. 利用数值范围来创建ndarray
   arange()函数：返回给定间隔内的均匀间隔的值。
   linspace()函数：返回指定间隔内的等间隔数字。
   logspace()函数：返回数以对数刻度均匀分布。
   numpy.random.rand() 返回一个由[0,1)内的随机数组成的数组。
   def arange([start,] stop[, step,], dtype=None):
   def linspace(start, stop, num=50, endpoint=True, retstep=False,
   dtype=None, axis=0):
   def logspace(start, stop, num=50, endpoint=True, base=10.0,
   dtype=None, axis=0):
   def rand(d0, d1, …, dn):

4. 结构数组的创建
   数组的属性
   在使用 numpy 时，你会想知道数组的某些信息。很幸运，在这个包里边包含了很多便捷的方法，可以给你想要的信息。

numpy.ndarray.ndim用于返回数组的维数（轴的个数）也称为秩，一维数组的秩为 1，二维数组的秩为 2，以此类推。
numpy.ndarray.shape表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。
numpy.ndarray.size数组中所有元素的总量，相当于数组的shape中所有元素的乘积，例如矩阵的元素总量为行与列的乘积。
numpy.ndarray.dtype ndarray 对象的元素类型。
numpy.ndarray.itemsize以字节的形式返回数组中每一个元素的大小。
class ndarray(object):
shape = property(lambda self: object(), lambda self, v: None, lambda self: None)
dtype = property(lambda self: object(), lambda self, v: None, lambda self: None)
size = property(lambda self: object(), lambda self, v: None, lambda self: None)
ndim = property(lambda self: object(), lambda self, v: None, lambda self: None)
itemsize = property(lambda self: object(), lambda self, v: None, lambda self: None)

了解了三维数组的原理以及表示方法