关于numpy/array的一些常识

1. 一维array是列向量，尽管print出来后是横着显示的，这一点在矩阵计算的时候需要注意：

**输入**：
import Numpy as np
array = np.arange(20)
array
**输出**：
array([0,  1,  2,  3,  4,
       5,  6,  7,  8,  9,
       10, 11, 12, 13, 14,
       15, 16, 17, 18, 19])

2. 当.shape后，输出结果的逗号后边没有数字，说明它是一维数组

**输入**：
array.shape
**输出**：
(20,)

***实际情况中，比如从一组数据中提取X和Y，Y在最后一列，为了Y与其他矩阵的计算，我们想让Y从一维编程二维，好比让这里的(20,)变为(20,1), 除了通过后边介绍的reshape方法，还可以用Y[：，列数-1: 列数]的方法快速构建。

3. array是可变的：

**输入**：
array[3] = 100
array
**输出**：
array([  0   1   2 100
   4   5   6   7
   8   9  10  11
   12  13  14  15
   16  17  18  19]）

4. 判断两个数组是否相等
   如果用array1 == array2来判断，当array里有很多元素时print出来的结果会有很多个TRUE/FALSE。
   此时就需要.all()和.any()来简化输出，即只输出一个TRUE/FALSE:
   ** (arr1 == arr2).all(): 元素全相等，返回True
   ** (arr1 == arr2).any(): 有一个元素相等，就返回True

5. 数组！=矩阵
   矩阵包含于数组。矩阵只能是2维的，而数组可以是n维的。矩阵拥有数组的所有性质。

• 如何判断数组的维度：
  看print的结果，头尾单边有几个方括号，比如第三点的例子中array单边只有一个方括号，所以它是一维数组。
• 矩阵与数组的性质：
  • 共有性质：
    转置：array/matrix.T
  • 矩阵独有：
    共轭矩阵：matrix.H
    逆矩阵：matrix.I
    点乘: matrix.dot
• 数组与矩阵的相互转换： np.asmatrix和np.asarray

7. 创建二及多维数组 - object.reshape

**输入**:
array = np.arange(20).reshape(4,5)
array
**输出**：
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])

首先，创建20个整数，然后将数组转换为具有4行和5列的二维数组。若要访问二维数组中的元素，需要为行和列指定索引。

**输入**:
array[3][4]
**输出**：
19

创建多维数组时，只需让reshape里的参数变为n个即可：

**输入**:
array = np.arange(27).reshape(3,3,3)
array
**输出**：
输出：
array([[[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8]],

       [[ 9, 10, 11],
        [12, 13, 14],
        [15, 16, 17]],

       [[18, 19, 20],
        [21, 22, 23],
        [24, 25, 26]]])

更多关于array性质及numpy包的用法，请戳：numpy中文网