讀的是numpy user guide release 1.3，官方另有一本reference，600多頁，還是先讀這個省事兒的。
凡例：a. [float]表示物件型別是float，用時不用加'['和']'。b. **中的跳格表示換行。
chap 2 numpy basics
1. import numpy as np，沿用之，很喜歡np這個名字，呵呵
2. np支援的資料型別：int8, int16, int32, int64, unit8（無符號的整數，unit8是0～255）, unit16~64, float32, 64, complex64, 128, boolean。字母表示數字型別（dtype），後面的數字表示位數，即數值在記憶體中所佔的bit的數目（不明白～）。還有int, float和complex，其位數取決於平台型別，即16或者32位，complex也是，不過因為是兩個float表示的，所以位數是64或者128。還有更高階的型別。
3. 轉換資料型別：y=np.int_([1,2,3])，返回乙個np的array。
4. 生成array時指定資料型別：z=np.arange(3,dtype='f'/float)，推薦後一種寫法。此處雖然寫的float，但np會自動把dtype轉換成np.flaot。z的轉換有兩種做法，或者通過類方法：z.astype(int8)，或者通過函式：np.int8(z)。
5. 檢視資料型別。也有兩種做法，或通過類方法：z.dtype()，或通過函式：np.dtype(z)，或者np.issubtype(d,int)，返回bool值。
6. 建立array的五種方法：a. 從list轉換（tuple特殊對待，不轉換，見26）；b. 內建函式建立（arange，ones，zeros（這個構建structured array時常用，見30）等等）；c. 從檔案讀取；d. 直接從raw bytes構建（啥意思？）；e. 借助某些庫里的函式生成。
7. 通過轉換生成array：x=np.array([1,2,3],[4,5,6])
8. 通過內建方法生成array：np.zeros((2,3))，返回array([0,0,0],[0,0,0])，即維度為2*3的矩陣。
9. arange，類似range，引數可以是小數或者負數，很實用！
10. np.linspaces，規定起點、終點（包含）、返回array的長度，返回乙個兩端點間數值平均分布的array。
11. np.indices沒看懂，似乎某些情況下可以很有用。
12. 直接從檔案讀取需借用其他庫里的方法，不熟，過。
13. x.shape = (2,5)，指定維度，相當於r裡的c(2,5) <- dim(x)。也可以這樣用：y = x.reshape(5,7)。
14. array indexing和slicing跟python裡的一樣也是從0開始的。不同的是如果用index array去做reference的話返回的是乙個複本，而不是目標array裡的原數。這個原則適用於下面的數值和mask index array。這個特性使得賦值（assignment）運算有點奇特，見24。
15. 說到indexing，記一筆前幾天新學到的逆序排列的一招：x[::-1]，其中x不限於list，只要是能slice的都行。其原理是x[[int1]:[int2]:[int3]]，其中int1是起點，int2終點（不包含），int3是步長，負數則表示倒著來。如果int3<0 and int1
16. array indexing的輸入物件也要求是乙個array，比如：x[np.array([3, 3, 1, 8])]。也可以是：x[np.array([[1,1],[2,3]])]，返回乙個同樣維度的array。
17. 多維array的indexing比較麻煩一些，個人認為基本方法就不大直觀：y[np.array([0,2,4]), np.array([0,1,2])]返回的是y[0,0]，y[2,1]和y[4,2]。
18. 當然可能也有好處，比如如果取一行/列就為其中每個數指定行/列數，因為有自動broadcasting（不知道啥意思，猜測不止擴充套件或補齊的意思）功能：y[np.array([0,2,4]), 1]。
19. 不指定某乙個維度的index則取該維度所有值，如：y[np.array([0,2,4])]，返回array的shape是index array的shape串聯上所有沒指定的維度的部分的shape。如這個例子中，y = np.arange(35).reshape(5,7)，shape是5*7，沒有指定第二個維度則返回array的shape是3（index array的shape）*7（所有沒指定的維度的部分，即第二個維度，的shape）。
20. array資料篩選。我管這個叫filtering，user guide上叫mask index arrays。乙個指功用，乙個指手段。用法：y[y>=20]，跟r裡的用法一樣。也可以繞一點，b=y>20，這樣生成乙個dtype=bool的array，然後又套在y裡：y[b]。還可以對b進行slicing，作為index array指定位置，如：y[b[:,5]]，其中b[:,5]返回第一維度不限，第二維度是5的array，由於y是5*7的，返回array長度是5，shape是5*1。把這個array作為index array對y篩值，由於是個一維array，對於y來說第二維沒有指定，所以取全部的。b是array([false, false, false, true, true], dtype=bool)，所以僅取第一維度的最後兩個，對於二維array來說就是最後兩行，每行7個數，返回的是乙個2*7的array。好繞啊，要是多於2維估計我就暈了~
21. index array和slicing的混搭：y[np.array([0,2,4]),1:3]，工作原理還是跟index array的差不多，只不過1:3這個部分對第乙個array裡的每個數所代表的行都起作用（broadcast了）。也可以跟mask index array一起混搭。
22. 插入維度：y[:,np.newaxis,:].shape成了(5,1,7)。新增的維度裡面沒有元素，但運算時行為遵照新的array的適用原則，合併array時很有用：（x原為1*5的array）x[:,np.newaxis] + x[np.newaxis,:] ，返回的是乙個5*5的array。不然得賦值z，再指定z的shape等等，較為麻煩。還有一種比較無語的寫法：（z的shape是(3,3,3,3)）z[1,...,2]，相當於z[1,:,:,2]。（懶惰是向上的車輪！）
23. array slice賦值，跟python差不多，需要注意的是每個array都有自己的dtype，賦值型別不符的話會「降級」或者乾脆「出亂子」（raise exception啦）。
24. 賦值（assignment）的時候和reference時不一樣，總是array裡的原數發生變化（不然還賦個啥勁兒的呀），不過規則有點奇特。比如：x[np.array([1, 1, 3, 1]) += 1，array並非直接賦值，而是先被提取出來（extracted），然後逐個賦值，然後assign回去，在1這個位置的那個值被賦值3次，每次都是+=1之後的那個值，所以結果是1和3位置的值+=1。糾結呀~
25. 也可以將index array賦值給變數，然後用變數做indexing，就像20裡的那樣。可以混搭，可以懶人：indices = (1, ellipsis, 1)，然後z[indices]
26. list和tuple做indexing結果是不一樣的，比如z[(1,1,1,1)]相當於z[1,1,1,1]，僅返回乙個數，z[[1,1,1,1]]則返回乙個4*3*3*3的array（為什麼？z才3*3*3*3，怎麼會比z的還多？？）。
27. broadcast的作用是使得不同shape的array在算術運算的時候shape相符，機制上broadcast使得迴圈在c中發生，這樣就比在python裡發生要快。缺點是額外占用記憶體，所以不要濫用啦。
28. 想要能夠利用broadcast必須滿足兩個條件：從後向前匹配，同一維度上的數值相等，或者至少其中為1。維度數目不一定要求一樣。如果是一維的則會自動往另外乙個array數值相等或者為1的那個維度上靠。
29. 預設結構模板的array（structured array或稱record array）：元素是一組物件組成的tuple，型別已經指定。
30. structured array的dtype引數型別有四種：a. 字串，包括b1, i1, i2, i4, i8, u1, u2, u4, u8, f4, f8, c8, c16, a，分別代表bytes，整數，無符號整數，浮點數和byte長度一定的字串，還有一些數：int8,...,uint8,...,float32, float64, complex64, complex128。定義的時候很靈活，比如：x = np.zeros(3, dtype=』3int8, float32, (2,3)float64』)，返回的array長度為3，元素是array([([0, 0, 0], 0.0, [[0.0, 0.0, 0.0], [0.0, 0.0, 0.0]])。
先告一段落吧，ms user guide看完第二章就沒我啥事兒了，後面都是擴充套件之類的，離那境界還挺遠呢。
NumPy簡明教程（二 陣列1）
numpy陣列是乙個多維陣列物件，稱為ndarray。其由兩部分組成 大部分操作僅針對於元資料，而不改變底層實際的資料。關於numpy陣列有幾點必需了解的 在詳細介紹numpy陣列之前。先詳細介紹下numpy陣列的基本屬性。numpy陣列的維數稱為秩 rank 一維陣列的秩為1，二維陣列的秩為2，以...
numpy簡明教程 2
31.第二個引數型別是tuple，僅在將structure對映到乙個已有的資料型別上時使用，即在tuple裡已有的資料型別以及資料型別定義，比如 x zeros 3,dtype i4 r u1 g u1 b u1 a u1 這樣就覆蓋了預設名稱 f0，f1之類 不過返回沒搞明白，為啥是乙個1 3的a...
NumPy簡明教程（一 簡介）
用python在arcgis的開發中，對numpy的接觸越來越多，從現在開始就將以前的numpy筆記整理一下，慢慢放出來。供有需要的朋友參考。python 中提供了list 容器，可以當作陣列使用。但列表中的元素可以是任何物件，因此列表中儲存的是物件的指標，這樣一來，為了儲存乙個簡單的列表 1,2,...