NumPy - 简明教程（中）
NumPy 数组属性
NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。
在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。
很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。
NumPy 的数组中比较重要 ndarray 对象属性有：
| 属性 | 说明 |
|---|---|
| ndarray.ndim | 秩，即轴的数量或维度的数量 |
| ndarray.shape | 数组的维度，对于矩阵，n 行 m 列 |
| ndarray.size | 数组元素的总个数，相当于 .shape 中 n*m 的值 |
| ndarray.dtype | ndarray 对象的元素类型 |
| ndarray.itemsize | ndarray 对象中每个元素的大小，以字节为单位 |
| ndarray.flags | ndarray 对象的内存信息 |
| ndarray.real | ndarray元素的实部 |
| ndarray.imag | ndarray 元素的虚部 |
| ndarray.data | 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。 |
使用示例
一般情况下，使用shape方法比较多
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print (a.shape)
>>>(2, 3)
NumPy 创建数组
ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。
1. numpy.empty方法
numpy.empty(shape, dtype = float, order = 'C')
| 参数 | 说明 |
|---|---|
| shape | 数组形状，定义几行几列 |
| dtype | 数据类型，可选 |
| order | 有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。 |
注意：使用empty函数创建的数组，其中元素为随机值，因为它们未初始化。
例如：
import numpy as np
x = np.empty([3,2], dtype = int)
print (x)
>>>
[[ 36095424 140160654480240]
[ 140160654172776 8735235667726816296]
[ 140160654469136 140160654172776]]
2. numpy.zeros方法
创建指定大小的数组，数组元素以 0 来填充：
numpy.zeros(shape, dtype = float, order = 'C')
| 参数 | 说明 |
|---|---|
| shape | 数组形状，定义几行几列 |
| dtype | 数据类型，可选 |
| order | 有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。 |
例如：
y = np.zeros((5,), dtype = np.int)
print(y)
>>>
[0 0 0 0 0]
3. numpy.ones方法
numpy.ones(shape, dtype = None, order = 'C')
| 参数 | 说明 |
|---|---|
| shape | 数组形状，定义几行几列 |
| dtype | 数据类型，可选 |
| order | 有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。 |
例如：
import numpy as np
# 默认为浮点数
x = np.ones(5)
print(x)
>>>
[1. 1. 1. 1. 1.]
NumPy 从已有的数组创建数组
1. numpy.asarray
numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。
numpy.asarray(a, dtype = None, order = None)
| 参数 | 说明 |
|---|---|
| a | 任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组 |
| dtype | 数据类型，可选 |
| order | 有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。 |
例如：
import numpy as np
x = (1,2,3)
a = np.asarray(x)
print (a)
>>>
[1 2 3]
2. numpy.frombuffer
numpy.frombuffer 用于实现动态数组。numpy.frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
| 参数 | 说明 |
|---|---|
| buffer | 可以是任意对象，会以流的形式读入。 |
| dtype | 数据类型，可选 |
| count | 读取的数据数量，默认为-1，读取所有数据。 |
| offset | 读取的起始位置，默认为0。 |
例如：
import numpy as np
s = b'Hello World'
a = np.frombuffer(s, dtype = 'S1')
print (a)
>>>
[b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']
3. numpy.fromiter
numpy.fromiter 方法从可迭代对象中建立 ndarray 对象，返回一维数组。
numpy.fromiter(iterable, dtype, count=-1)
| 参数 | 说明 |
|---|---|
| iterable | 可迭代对象。 |
| dtype | 数据类型，可选 |
| count | 读取的数据数量，默认为-1，读取所有数据。 |
例如：
import numpy as np
# 使用 range 函数创建列表对象
list=range(5)
it=iter(list)
# 使用迭代器创建 ndarray
x=np.fromiter(it, dtype=float)
print(x)
>>>
[0. 1. 2. 3. 4.]