Numpy

NumPy是高性能科学计算和数据分析的基础包。它是pandas等其他各种工具的基础。

NumPy的主要功能：

　　ndarray，一个多维数组结构，高效且节省空间
　　无需循环对整组数据进行快速运算的数学函数
　　读写磁盘数据的工具以及用于操作内存映射文件的工具
　　线性代数、随机数生成和傅里叶变换功能
　　用于集成C、C++等代码的工具

安装方法：pip install numpy
引用方式：import numpy as np

创建ndarray：np.array()
应用场景：
　　例1：已知若干家跨国公司的市值（美元），将其换算为人民币
　　例2：已知购物车中每件商品的价格与商品件数，求总金额
ndarray还可以是多维数组，但元素类型必须相同
常用属性：
　　

T        数组的转置（对高维数组而言）
dtype    数组元素的数据类型
size     数组元素的个数
ndim     数组的维数
shape    数组的维度大小（以元组形式）

dtype：
　　bool_, int(8,16,32,64), uint(8,16,32,64), float(16,32,64)
类型转换：astype()
创建ndarray：

array()    将列表转换为数组，可选择显式指定dtype
    >>> np.array([1, 2, 3])
    array([1, 2, 3])
arange()    range的numpy版，支持浮点数
    >>> np.arange(3.0)
    array([ 0.,  1.,  2.])
linspace()    类似arange()，第三个参数为数组长度
    >>> np.linspace(2.0, 3.0, num=5)
    array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ])
zeros()    根据指定形状和dtype创建全0数组
    >>> np.zeros((2, 1))
    array([[ 0.],
           [ 0.]])
ones()    根据指定形状和dtype创建全1数组
    np.ones((2, 1))
    array([[ 1.],
           [ 1.]])
empty()    根据指定形状和dtype创建空数组（随机值）
    np.empty([2, 2], dtype=int)
    array([[-1073741821, -1067949133],
       [  496041986,    19249760]])                     #random
eye()    根据指定边长和dtype创建单位矩阵
    >>> np.eye(2, dtype=int)
    array([[1, 0],
           [0, 1]])
reshape()    分解，合并
    >>> a = np.array([[1,2,3], [4,5,6]])
    >>> np.reshape(a, 6)
    array([1, 2, 3, 4, 5, 6])
    >>> np.reshape(a, (3,-1))
    array([[1, 2],
           [3, 4],
           [5, 6]])

数组和标量之间的运算
　　a+1 a*3 1//a（整除） a**0.5
同样大小数组之间的运算
　　a+b a/b a**b
数组的索引

a[5]
a2[2][3]
a2[2,3]    # 第几维数组的第几个索引，跟上面的写法得到结果一样
数组的切片
a[5:8]
a[:3] = 1    # 切片的数组都赋值1
a2[1:2, :4]    # 第二个数组，0到3的索引
a2[:,:1]    # 所有数组，索引为0的值
a2[:,1]    # 所有数组，索引为1的值
与列表不同，数组切片时并不会自动复制，在切片数组上的修改会影响原数组。
b = a[:4]
b[-1] = 250
【解决方法：copy()】# 这样b是一个新的内存地址
b = a[:4].copy()
b[-1] = 250