numpy入门

      numpy的对象主要是由多维数组构成的。

轴

在数学中，三维坐标系是由x、y、z、三个轴组成的。而在numpy中的轴，是由每层的元素构成的。

[1 , 3 , 5] numpy的一维数，通常可以表示三维坐标系中的一个点(x,y,z)

[ [2 , 6 , 13] , [12 , 3 , 4] ]  numpy的二维数组。这个数组最外层的轴长度为2，由[2,6,13]和[12,3,4] 2个元素组成；第2层的轴的长度为3。

基础函数

ndarray.ndim        阵列的轴数（尺寸）。

ndarray.shape      数组的大小。这是一个整数元组，表示每个维度中数组的大小。对于具有n行和m列的矩阵，shape将是(n,m)。shape因此，元组的长度 是轴的数量ndim。

ndarray.size          数组的元素总数。这相当于元素的乘积shape。

ndarray.dtype        描述数组中元素类型的对象。可以使用标准Python类型创建或指定dtype。此外，NumPy还提供自己的类型。numpy.int32，numpy.int16和numpy.float64就是一些例子。

ndarray.itemsize    数组中每个元素的大小（以字节为单位）。例如，类型的元素数组float64有itemsize8（= 64/8），而其中一个类型complex32有itemsize4（= 32/8）。它相当于ndarray.dtype.itemsize。

ndarray.data           包含数组实际元素的缓冲区。通常，我们不需要使用此属性，因为我们将使用索引工具访问数组中的元素。

如下是实例：

>>> import numpy as np

>>> a = np.arange(15).reshape(3, 5)

>>> a

array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]])

>>> a.shape(3, 5)

>>> a.ndim

2

>>> a.dtype.name

'int64'

>>> a.itemsize

8

>>> a.size

15

>>> type(a)

>>> b = np.array([6, 7, 8])

>>> b

array([6, 7, 8])

>>> type(b)