010-NumpyTutorial

NumpyTutorial

1、Ndarray 对象

ndarray（N 维数组）对象是 Numpy 最重要的一个特点，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

ndarray 对象是用于存放同类型元素的多维数组。
ndarray 中的每个元素在内存中都有相同存储大小的区域。

ndarray 内部由以下内容组成

• 一个指向数据（内存或内存映射文件中的一块数据）的指针。
• 数据类型或 dtype，描述在数组中的固定大小值的格子。
• 一个表示数组形状（shape）的元组，表示各维度大小的元组。
• 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

创建 ndarray：

• 通过 array() 函数
  numpy.array
  numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)

object：array_like。数组对象；公放的数组接口对象；对象的__array__方法返回的一个数组；或任何(嵌套的)序列。
 
dtype：data-type, optional。数组所需的数据类型。如果没有给出，那么类型将被确定为在序列中保存对象所需的最小类型。此参数只能用于“向上转换”数组。对于向下类型转换，使用 .astype(t) 方法。
 
copy：bool, optional。如果为 true (默认)，则复制该对象。否则，只有在 array 返回一个副本、obj 是嵌套序列或者需要一个副本来满足任何其他需求 (dtype、order等) 时，才会进行复制。
 
order：{‘K’, ‘A’, ‘C’, ‘F’}, optional。指定数组的内存布局。如果对象不是数组，则新创建的数组将以C顺序(row major)出现，除非指定了“F”，在这种情况下，它将以Fortran顺序(column major)出现。如果对象是一个数组，则如下所示：

order	no copy	copy=True
K	unchanged	F & C order preserved, otherwise most similar order
A	unchanged	F order if input is F and not C, otherwise C order
C	C order	C order
F	F order	F order

subok : bool, optional。如果为 True，那么子类将被传递，否则返回的数组将被强制为基类数组(默认)。
 
ndmin : int, optional。指定结果数组应该具有的最小维数。一个将预先垂到形状需要满足这一要求。

import numpy as np 

np.array([1,2,3]) 

结果：array([1, 2, 3])

np.array([[1,2], [3,4]])

结果：array([[1, 2],
       		[3, 4]])

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

结果：array([1.+0.j, 2.+0.j, 3.+0.j])

• 通过 ndarray() 函数
  numpy.ndarray
  numpy.ndarray(shape, dtype=float, buffer=None, offset=0, strides=None, order=None)
  创建一个固定大小的同构数据多维数组。

shape：tuple of ints。数组形状。
 
dtype：data-type, optional。任何可以解释为 numpy 数据类型的对象。
 
buffer：object exposing buffer interface, optional。填充数组的数据。
 
offset：int, optional。缓冲区中数组数据的偏移量。。
 
strides：tuple of ints, optional。内存中数据的跨步。
 
order：{‘C’, ‘F’}, optional。Row-major (C-style) or column-major (Fortran-style) order。

• 通过其他函数

2、Numpy 数据类型

numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。
https://docs.scipy.org/doc/numpy/user/basics.types.html

2.1 基本类型

下表列举了常用 NumPy 基本类型。

名称	描述
bool_	布尔型数据类型（True 或者 False）
int_	默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc	与 C 的 int 类型一样，一般是 int32 或 int 64
intp	用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
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	无符号整数（0 to 255）
uint16	无符号整数（0 to 65535）
uint32	无符号整数（0 to 4294967295）
uint64	无符号整数（0 to 18446744073709551615）
float_	float64 类型的简写
float16	半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32	单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
float64	双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位
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）

Numpy 有 5 种基本的数字类型：布尔值(bool)、整数(int)、无符号整数(uint)、浮点数(float)、复数(complex)。名称中带有数字的部分表示类型的位大小(即在内存中表示一个值需要多少位)。如 int32、int64。

2.2 数据类型对象 (dtype)

数据类型对象：描述数组中元素类型的对象。是用来描述与数组对应的内存区域如何使用，这包括如下几个方面：

• 数据的类型（整数，浮点数或者 Python 对象 name）
• 数据的大小（例如， 整数使用多少个字节存储 itemsize）
• 数据的字节顺序（小端法或大端法 byteorder）

说明：int8, int16, int32, int64 四种数据类型可以使用字符串 ‘i1’, ‘i2’,‘i4’,‘i8’ 代替

In :np.dtype('i4')
Out:dtype('int32')

In :np.dtype('int32')
Out:dtype('int32')

In :np.dtype([('username',np.int16)])
Out:dtype([('username', '<i2')])

注意：与数组属性区分开 ndarray.dtype。

3、Numpy 数组(ndarray)属性

属性	说明
ndarray.ndim	秩，即轴的数量或维度的数量
ndarray.shape	数组的维度，对于矩阵，n 行 m 列
AA	BB
AA	BB
AA	BB
AA	BB
AA	BB
AA	BB
AA	BB
AA	BB

ndarray.size 数组元素的总个数，相当于 .shape 中 n*m 的值
ndarray.dtype ndarray 对象的元素类型
ndarray.itemsize ndarray 对象中每个元素的大小，以字节为单位
ndarray.flags ndarray 对象的内存信息
ndarray.real ndarray元素的实部
ndarray.imag ndarray 元素的虚部
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。