NumPy数组（1、数组初探）NumPy数组
NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成：
实际的数据描述这些数据的元数据
大部分操作仅针对于元数据，而不改变底层实际的数据。
关于NumPy数组有几点必需了解的：
NumPy数组的下标从0开始。同一个NumPy数组中所有元素的类型必须是相同的。NumPy数组属性
在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。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（axes），秩其实是描述轴的数量。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（axes），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。
NumPy的数组中比较重要ndarray对象属性有：
ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为二维数组（矩阵）。
ndarray.shape：数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中，表示数组的“行数”和“列数”。ndarray.shape返回一个元组，这个元组的长度就是维度的数目，即ndim属性。
ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。
ndarray.dtype：表示数组中元素类型的对象，可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。
ndarray.itemsize：数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节），又如，一个元素类型为complex32的数组item属性为4（32/8）。
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。创建数组 先来介绍创建数组。创建数组的方法有很多。如可以使用array函数从常规的Python列表和元组创造数组。所创建的数组类型由原序列中的元素类型推导而来。 >>> from numpy import * >>> a = array( [2,3,4] ) >>> aarray([2, 3, 4])>>> a.dtypedtype(‘int32’)>>> b = array([1.2, 3.5, 5.1]) >>> b.dtypedtype(‘float64’)使用array函数创建时，参数必须是由方括号括起来的列表，而不能使用多个数值作为参数调用array。 >>> a = array(1,2,3,4) # 错误>>> a = array([1,2,3,4]) # 正确可使用双重序列来表示二维的数组，三重序列表示三维数组，以此类推。>>> b = array( [ (1.5,2,3), (4,5,6) ] ) >>> barray([[ 1.5, 2. , 3. ], [ 4. , 5. , 6. ]])可以在创建时显式指定数组中元素的类型>>> c = array( [ [1,2], [3,4] ], dtype=complex)>>> carray([[ 1.+0.j, 2.+0.j], [ 3.+0.j, 4.+0.j]])通常，刚开始时数组的元素未知，而数组的大小已知。因此，NumPy提供了一些使用占位符创建数组的函数。这些函数有助于满足除了数组扩展的需要，同时降低了高昂的运算开销。
用函数zeros可创建一个全是0的数组，用函数ones可创建一个全为1的数组，函数empty创建一个内容随机并且依赖与内存状态的数组。默认创建的数组类型(dtype)都是float64。
可以哟娜特d.dtype.itemsize来查看数组中元素占用的字节数目。
>>> d = zeros((3,4))>>> d.dtypedtype(‘float64’)>>> darray([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]])>>> d.dtype.itemsize8也可以自己制定数组中元素的类型>>> ones( (2,3,4), dtype=int16 ) #手动指定数组中元素类型array([[[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]]], dtype=int16)>>> empty((2,3)) array([[ 2.65565858e-316, 0.00000000e+000, 0.00000000e+000], [ 0.00000000e+000, 0.00000000e+000, 0.00000000e+000]])NumPy提供一个类似arange的函数返回一个数列形式的数组:>>> arange(10, 30, 5)array([10, 15, 20, 25])以10开始，差值为5的等差数列。该函数不仅接受整数，还接受浮点参数： >>> arange(0,2,0.5)array([ 0. , 0.5, 1. , 1.5])
去接收我们想要的元素个数来代替用range来指定步长。linespace用法如下，将在通用函数一节中详细介绍。
>>> numpy.linspace(-1, 0, 5)array([-1. , -0.75, -0.5 , -0.25, 0. ])数组中的元素是通过下标来访问的，可以通过方括号括起一个下标来访问数组中单一一个元素，也可以以切片的形式访问数组中多个元素。关于切片访问，将在切片一节介绍。知识点：NumPy中的数据类型中添加了许多数据类型。如下：NumPy中的基本数据类型
名称描述
bool用一个Bit存储的布尔类型（True或False）
inti由所在平台决定其大小的整数（一般为int32或int64）
int8一个字节大小，-128 至 127
int16整数，-32768 至 32767
int32整数，-2 ** 31 至 2 ** 32 -1
int64整数，-2 ** 63 至 2 ** 63 – 1
uint8无符号整数，0 至 255
uint16无符号整数，0 至 65535
uint32无符号整数，0 至 2 ** 32 – 1
uint64无符号整数，0 至 2 ** 64 – 1
float16半精度浮点数：16位，正负号1位，指数5位，精度10位
float32单精度浮点数：32位，正负号1位，指数8位，精度23位
float64或float双精度浮点数：64位，正负号1位，指数11位，精度52位
complex64复数，分别用两个32位浮点数表示实部和虚部
complex128或complex复数，分别用两个64位浮点数表示实部和虚部
人生至少要有两次冲动，一为奋不顾身的爱情，一为说走就走的旅行。
