numpy(一)内部机理

1.介绍

         numpy库是python对矩阵操作的库，接下来每天我会发表一篇对numpy的介绍，直到完结。

2.ndarray类型

          numpy 最重要的类型是N 维数组对象 ndarray。而ndarray内含有什么呢？

        （1）一个指向数据的指针。

        （2）数据类型(dtype)。

        （3）一个表示数组形状（shape）的元组。

        （4）一个跨度元组（stride）

        内部结构如下图所示：

为了更好的说明，这儿举个小例子，如下图所示，这个img变量表示一张图片，大小为(1685,1007,3)。

 我们这个时候有三种访问数据的方式(其实是指针的运用)

#1.最外层访问    （相当于单指针，访问结果为1007*3个数据）
img[0]   ~ img[1684]    

#2.次外层范问     （相当于二重指针，范问结果为3个数据）
img[0][0] ~ img[0][1006]
img[1684][0] ~ img[1684][1006]   

#最外层访问       （相当于三重指针，范问结果为单个像素）
img[0][0][0]
img[1684][1006][2]

下图为使用pycharm 查看数据的图         

 3.数据类型（dtype）

        numpy数据类型比较多，其中为了区别bool、int、float、complex这些python内置类型，numpy中特意在后面加入_来区分，总结为下面的表格。

名称	描述
bool_	布尔型数据类型（True 或者 False）
int_	默认的整数类型
intp	用于索引的整数类型
int8	字节（-128 to 127）
int16	整数（-32768 to 32767）
int32	整数（-2147483648 to 2147483647）
int64	整数（-9223372036854775808 to 9223372036854775807）
uint8/uint16/uint32/uint32	无符号整数
float_	float64 类型的简写
float16	半精度浮点数
float32	单精度浮点数
float64	双精度浮点数
complex_	complex128 类型的简写，即 128 位复数
complex64	复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128	复数，表示双 64 位浮点数（实数部分和虚数部分）
datatime54	时间类型

4.区分dtype、astype、shape、ndim、size

        （1）dtype :ndarray对象的内置函数，可以获得数据类型

        （2）astype: 转化数据类型

        （3）shape：获得各维度的尺度

        （4）ndim:    获得数组的维度，结果是1个整形

        （5）size :  获得数组元素的个数

上例子

a=np.array([[1.2,2.41,1.2,1.3],[4.2,5.1,6.4,2.3],[23,11,1.1,2.4]]) #创建矩阵，后面写
print('ndim={}\nshape={}\ndtype={}'.format(a.ndim,a.shape,a.dtype))
b=a.astype(np.int32) #转为int型,会截断数据
print(b)


"""
结果如下：
ndim=2
shape=(3, 4)
dtype=float64
[[ 1  2  1  1]
 [ 4  5  6  2]
 [23 11  1  2]]
"""

        

ps:今天先写这些,觉得写的还不错的给个赞呗.

     错误是难免的，如果有错误的地方，请联系我。