Numpy之ndarry

这周因为考科三耽误了学习，希望能借元旦假期赶上进度。

列表：数据类型可以不同 e.g. 3.14, ‘pi’,’3.141’,[3.141,3.14]

数组：数据类型相同 e.g. 3.14,3.141,3.134,3.12

Numpy是一个开源的python科学计算基础库，ndarray是其一个强大的N维数据对象

Python已经有了列表类型，为什么还需要一个数组对象呢？

举个例子，现在有AB两个一维数组，要计算A^2+B^3，如果直接计算的话，我们元素间需要使用循环运算for i in range（len（a）），但是用numpy的ndarray的话不需要使用循环，使一维数据更像单个数据，可以直接计算。

ndarray数组一般要求所有元素类型相同，数组下标从0开始。

np.array（）生成一个ndarray，ndarray的别名是array

np.array()输出成[]形式，元素由空格分割

ndarray对象的属性如下：

属性的使用如下：

例如对于 a=np.array（[[0,1,2,3,4],

                                [5,6,7,8,9]])

a.ndim==>2

a.shape==>(2,5)

a.size==>10

a.dtype==>dtype(‘int32’)

a.itemsize==>4

如果是非同质的ndarray对象

例如x=np.array（[[0,1,2,3,4],

                        [5,6,7,8]])

x.shape==>(2,)

x.dtype==>dtype(‘0’)

x.itemsize==>4

x.size==>2

非同质ndarray对象无法发挥Numpy的优势，应该尽量避免使用

ndarray的创建方法1.从python中的列表，元组等类型创建

2.使用Numpy中函数创建，如：arange，ones，zeros等

一维数组的索引和切片与python的列表类似

e.g.a=np.array（[9,8,7,6,5])

a[2]==>7

a[1:4:2]==>([8,6])

多维数组的索引，每个维度一个索引值，逗号分割

e.g.a=np.arrage（24）.reshape（（2，3，4））

a==>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]]])

a[1,2,3]==>23

a[0,1,2]==>6

a[-1,-2,-3]==>17

未完待续

（没有电脑实在不方便，其他内容和代码晚点再附上吧～）