一.Numpy的使用
NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库, 而且提供了python对多维数组对象的支持: ndarray, 也针对数组运算提供大量的数学函数库。
导包
import numpy as np
>> np.__version__ # 查看numpy的版本号
(1) 创建ndarray
1. 使用np.array()创建
实例：
# numpy和list类似,但是numpy中的数组功能更加强大
>> nd1 = np.array([2,4,6,'ll'])
array(['2','4','6','ll']) # 将类型统一为同一类型
>> print(type(nd1))
<class 'numpy.ndarray'>
注意：
numpy中默认ndarray的所有元素的数据类型是相同的，如果数据类型不同, 会统一为同一类型, 优先级str > float > int。
2. 使用np的routines函数创建
(1) np.one(shape, dtype=None, order='C') 创建数组
根据所给的形状和类型返回一个元素全部为1的数组, 默认numpy.float64类型
参数：
shape: 定义返回元组的形状, 传入int或ints元组, 如果传入int,返一维数组,如果传入ints元组,返回多维数组。 例如:(2,3)或2
dtype: 定义的数据类型,可选参数。默认numpy.float64。例如:numpy.int8
order: 可选, 返回多维数组时,内存的排列方式
实例：
>> np.ones(shape=(5,4)) # 返回一个5行4列的数组,元素的内容都为1
>> ones = np.ones(shape=(3,2,3), dtype=int) # 返回3个两行三列都为1的数组
(2) np.zeros(shape, dtype=float,order='c')
返回根据给定的形状和类型全部为0的数组
实例：
np.zeros(shape=(5,4)) # 返回一个5行4列都为0的数组
(3) np.full(shape,fill_value,dtype=None,order='C')
根据给定的形状和所填充的值, 返回一个新的数组。
实例：
np.full(shape=(6,5,2), 1) # shape可以理解为6个5行2列的数组,并且都是使用1填充。
(4) np.eye(N, M=None, k=0,dtype=float)
返回一个对角线为1,其他位置为0的数组,(可以理解为单位矩阵)
参数：
N : 返回数组的行数
M : 可选, 返回的数组的列数。如果不指定，返回的数组行=列。
k : 可选, 指定对角线的位置。
dtype : 可选, 返回数组的数据类型。
实例：
np.eye(3,3) # 3行3列的数组,主对角线为1, 其余为0。
(5) np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
在指定的范围内返回均匀间隔的数字, 返回均匀分布的样本。
参数:
start: 序列的起始点
end: 序列的结束点
num: 生成的样本数, 默认是50个。
实例：
np.linspace(1,10) # 50个元素的数组
np.linspace(1,10,10) # array([ 1.,2.,3., 4.,5.,6.,7.,8.,9.,10.]) -- 1-10分成10份
(6) np.arange([start,]stop,[step,]dtype=None)
类似python原生的range()方法,只不过返回的是array。
实例：
np.arange(0,100,step=2) # 创建由偶数组成的数组
(7) np.random.randint(low,high=None, size=None, dtype="l")
生成在区间[low,high)上的随机整数值;若high=None, 则取值区间变为[0,low), size为最大长度, 为整形和整形元组。
实例：
np.random.randint(10,20) # 生成一个10-19之间的随机值
np.random.randint(10,20,size=10) # 返回一个数组，包含10个随机整数
np.random.randint(10,20,size=(2,3,4)) # 生成两个3行4列的随机值数组
(8) np.randn(d0,d1,...dn)
标准的正太分布,参数为维度
实例：
np.random.randn(10,5) # 如果只给第一个参数为一维，给第二个参数为二维,...
(9) np.random.normal(loc=0.0, scale=1.0, size=None)
正太分布函数
参数：
loc : 浮点型, 概率分布的均值, 对应着整体分布的中心center
scale :浮点型, 概率分布的标准差
size : 整形或整形数组, 默认为None, 只返回一个值
实例：
np.random.normal(175, scale=0, size=100) # 概率分布的标准差为0, 返回100个元素的数组, 元素都为175
np.random.normal(175, scale=100, size=100) # 100个正太分布元素
(10) np.random.random(size=None)
生成0到1的随机数。
实例：
np.random.random(size=(5,4)) # 5行4列
小例子：
图片一般可以转换为二维(灰色)或三维(彩色)的数组,下面我们利用所学的知识,随机生成一个三维的图片。
# 首先导包
import numpy as np
import matplotlib.pyplot as plt # 一个非常简单的绘图库, 后面会说, 现在先用它。
# 生成随机数
random_pic = np.random.random(size=(273,410,3))
plt.imshow(random_pic) # 显示
结果可想而知,应该是这样
二. ndarray的属性
属性:
ndim : 数组的维度
shape : 属性的形状(各维度的长度)
size : 总长度
dtype : 元素类型
三. ndarray的基本操作
(1) 索引
实例：
未完.....
