numpy是乙個開源的python科學計算庫，即numerical python
ndarray是n-demensional array英文的縮寫。它是一種由同質元素組成的多維陣列。元素數量是事先準備好的，同質指的是所有的元素型別一致。ndarray資料型別由乙個叫dtype的numpy物件指定,每個ndarray只有一種dtype型別。
陣列的維數和元素數量由陣列的型( shape )來確定。shape由n個正整數組成的元組來指定,元組的每個元素對應每一維的大小,陣列的維統稱為軸( axis )，軸的數量叫做秩( rank )。
ndarray還有乙個特定就是大小固定 ,建立ndarray一旦指定了大小,其大小就不會再發生改變，而python列表是可以改變的。
定義ndarry：使用array( )函式定義,以python列表作為引數,建立之後列表的元素就是ndarray的元素。
匯入numpy
import numpy as np
把普通python中的list轉換成ndarray
a = [1,2,3,4,5,6,7,8,9]
print(a) #返回：[1,2,3,4,5,6,7,8,9]
a * 2 #a複製兩次，返回：[1,2,3,4,5,6,7,8,9,1,2,3,4,5,6,7,8,9]
a= np.array(a) #把普通python中的list轉換成ndarray
print(a) #返回：[1,2,3,4,5,6,7,8,9]
a #返回：array([1,2,3,4,5,6,7,8,9])
print(type(a)) #返回：a*2 #a裡面的元素乘以2.返回：array([2,4,6,8,10,12,14,16,18])
b = np.array([1,2,3,4.5])
print(b) #返回：[1 2 3 4 5]
print(type(b)) #返回：
c = np.array([[1,2,3],[4,5,6]])
print(c) #返回：[[1 2 3]
4 5 6]]
print(type(c)) #返回：
print(c.ndim) #返回：2
陣列的行列數
print(c.shape) #返回：(2,3)
陣列的元素個數
print(c.size) #返回：6
指定維數來建立多維陣列
e = np.array([1,2,3,4,5,6],ndim = 3)
print(e) #返回：[[[1 2 3 4 5 6]]]
f = np.array([1,2,3,4,5,6],ndim = 3, dtype = np.complex)
print(f) #返回：[[[1.+0.j 2.+0.j 3.+0.j 4.+0.j 5.+0.j 6.+0.j ]]]
屬性描述
ndarray.ndim
陣列軸的個數，也被稱作秩
ndarray.shape
陣列在每個維度上大小的整數元組
ndarray.size
陣列元素的總個數
ndarray.dtype
陣列元素的資料型別，dtype 型別可以用於建立陣列中
ndarray.itemsize
陣列中每個元素的位元組大小
ndarray.data
包含實際陣列元素的緩衝區位址
ndarray.flat
陣列元素的迭代器
可以通過修改陣列的shape屬性，在保持陣列元素個數不變的情況下，改變陣列每個軸的長度
g = np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])
print(g) #返回：[[1 2 3 4]
[4 5 6 7]
[7 8 9 10]]
g.shape = 4,3 #作用等同於reshape
print(g) #返回：[[1 2 3
[4 4 5]
[6 7 7]
[8 9 10]]
#注意從(3, 4)改為(4, 3)並不是對陣列進行轉置，而只是改變每個軸的大小，陣列元素在記憶體中的位置並沒有改變。
g.shape = 2,-1
print(g)
#返回：[ [1 2 3 4 4 5]
[6 7 7 8 9 10]]
#當某個軸的元素為-1時，將根據陣列元素的個數自動計算此軸的長度
h = g.reshape(6,2)
print(h)
#返回：[1 2]
[3 4]
[4 5]
[6 7]
[7 8]
[9 10]]
#使用陣列的reshape方法，可以建立乙個改變了尺寸的新陣列， 原陣列的shape保持不變 。
a = np.empty([3,2],dtype = np.int32)
print(a)
#返回：
[[0 0]
[0 0]
[0 0]]
b = np.zeros([2,2],dtype = np.float32)
print(b)
#返回：
[[0. 0.]
[0. 0.]]
d = np.eye(4)
print(d)
#返回：
[[1. 0. 0. 0.]
[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]]
x = [1,2,3,4,5,6]
a = np.asarray(x)
print(type(x)) #返回：print(type(a)) #返回：
x = np.arange(10,20,2,dtype = np.int32)
print(x) #返回：[10 12 14 16 18]
x = np.linspace(0,20,5)
print(x) #返回：[ 0. 5. 10. 15. 20.]
np.logspace(0,2,20)
#array([ 1. , 1.27427499, 1.62377674, 2.06913808,
2.6366509 , 3.35981829, 4.2813324 , 5.45559478,
6.95192796, 8.8586679 , 11.28837892, 14.38449888,
18.32980711, 23.35721469, 29.76351442, 37.92690191,
48.32930239, 61.58482111, 78.47599704, 100. ])
●使用整數序列
當使用整數序列對陣列元素進行訪問時，將使用整數序列中的每個元素作為下標，整數序列可以是列表或者陣列。使用整數序列作為下標獲得的陣列不和原始陣列共享資料空間。
x = np.arange(10,1,-1)
x #返回：array([10, 9, 8, 7, 6, 5, 4, 3, 2])
x[[3,3,1,8]] #返回：array([7, 7, 9, 2])
當使用布林陣列b作為下標訪問陣列x中的元素時，將收集陣列x中所有在陣列b中對應下標為true的元素。使用布林陣列作為下標獲得的陣列不和原始陣列共享資料空間，注意這種方式只對應於布林陣列，不能使用布林列表。
x = np.arange(5,0,-1)
x #返回：array([5, 4, 3, 2, 1])
x[np.array([true,false,true,false,false])] #返回：array([5, 3])
NumPy簡介及使用
numpy是乙個開源python科學計算庫，用於快速處理任意維度的陣列。對於同樣的數值計算任務，使用numpy比直接使用python要簡潔 快速。numpy中的陣列的儲存效率和輸入輸出效能遠優於python中等價的基本資料結構，其能提公升的效能與陣列中的元素成正比。numpy大部分 使用c語言寫的，...
NumPy學習筆記（1） NumPy庫簡介
這兩年python特別火，在一些it 上轉一圈各處都能看到關於python的技術類文章，引用官方的說法 python就是 一種解釋型的 物件導向的 帶有動態語義的高階程式語言 等方面。我是因為搞深度學習開始接觸python的，之前學的c 在遇見python後簡直開啟了新世界的大門，碼 的幸福感簡直爆...
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,...