2.NumPy ：操作整个数组

一 NumPy 数组是什么

NumPy 数组 = 超市货架，专门用来整整齐齐摆放同一类商品（比如全是饮料、全是水果）。

二 一维数组VS二维数组

1.使用列表构建一维数组和二维数组 

np.array（[ ]），np.array（[ ]，[ ]）

即使 array1 除了最后一个元素（浮点数）之外全是整数，但由于 NumPy 对同构的要求， 这个数组的数据类型依然是 float64，这个类型足以容纳所有的元素。

三 了解一个数组的数据类型

访问它的 dtype 属性：print（数组名.dtype）

dtype 返回的是 float64 而不是 float。 

四 对数组进行元素级别的运算：向量化

对一个标量（比如1，2，3）和 NumPy 数组求和，不用亲自遍历每一个元素。

标量指的是某种 Python 基本数据类型，比如浮点型和字符串。

1.处理一个数组

2.处理两个数组

五 对数组进行元素级别的运算：广播

在算术运算中使用了两个形状不同的数组，那么 NumPy 会自动将较小的数组扩展成较大的数组的形状。

 

六 对数组中的每个元素调用某个函数：通用函数ufunc

如果在 NumPy 数组中使用 Python 标准库 math 模块中的开平方函数会报错。math 模块的函数（如 math.sqrt()）只能处理单个数字（标量），而 NumPy 数组是多个元素的集合（容器），两者类型不兼容。

1.计算每个元素的平方根：np.sqrt（数组名）

2.sum函数

想求出每一列的总和：array2.sum(axis=0) # 返回一维数组

参数 axis=0 表示以行为轴，参数 axis=1 表示以列为轴。省略 axis 参 数会将整个数组加起来。

为什么不是 np.sum(array2)？        √

array2.sum(axis=0)：直接在方法中指定参数，代码更紧凑。

np.sum(array2, axis=0)：需额外传递数组参数。

两者底层性能一致，选择取决于代码风格和场景需求。