标签：元素 信息 线性代数 类型 数据类型 效果 .sh 通用 重要
最近一直再看利用python进行数据分析这本书，准备写一个系列的学习笔记，这是第一篇，什么时候想起来就什么时候写点。
第一篇写的是numpy的基本用法。
numpy是python的一个科学计算库，是很多python科学计算库的基础，这是一个非常大的科学计算库，其中涉及到很多的线性代数的知识，想要完全掌握这个库并不容易
但是很多时候我们并不需要掌握这个库的全部内容就能用它大道很好的效果。
numpy基础:数组和矢量计算。
numpy的一个最重要的特点就是其N维数组对象，该对象是一个快速而灵活的大数据容器集，你可以利用这种数组对症块数据进行一些科学运算，其语法跟标量数据之间的运算
一样，ndarray是一个通用的同构数据多维容器，也就是说，其中的元素必须是同一种类型的，每个数组都有一个shape(一个表示各维度大小的元祖)和一个dtype(一个用于说明数组类型的对象)
创建数组最简单的办法就是使用array函数，它接受一切序列整数的对象(包括其他数组)，然后产生一个新的含有传入数据的numpy数组，以一个列表的转换为例:
data1 = [6,7.5,8,0,1]
arr1 = np.array(data1)
arr1
array([]6,7.5,8,0,1)
嵌套序列(比如由一组等长列表组成的列表)将会被转换为一个一维数组:
data2 = [[1,2,3,4][5,4,7,8]]
arr2 = np.array(data2)
arr2
array([1,2,3,4]
[5,4,7,8])
arr2.ndim
2
arr2.shape
(2,4)
除非显示声明，np.array会尝试为新建的这个数组推断出一个较为合适的数据类型，数据类型保存在一个特殊的dtype对象中
除了np.arrayz之外还有一些其他函数也可以新建数组，比如，zeros和ones分别可以创建指定的长度或者形状的全为0或1的数组
empty可以创建一个没有任何一个具体值的数组 要用这些方法创建多维数组 只需要传入一个表示形状的元祖即可
np.zeros(10)
array([0,0,0,0,0,0,0,0,0,0])
np.zeros([3,6])
([0,0,0,0,0,0]
[0,0,0,0,0,0]
[0,0,0,0,0,0])
arrang是python内置函数的数组版
np.arrange(15)
array([0,1,2,3,4,5,6,7,8,9,10,11,12,13,14])
ndarray的数据类型:
dtype(数据类型)是一个特殊的类型对象，它含有ndarray将一块解释为特定数据类型所需的信息
标签：元素 信息 线性代数 类型 数据类型 效果 .sh 通用 重要
原文地址：http://www.cnblogs.com/jialin0421/p/7894395.html
