python库介绍------Numpy

  (2) 无符号整数类型

　　　　uint8: 1-byte 　　 uint16: 2-byte 　　 uint32: 4-byte 　　uint64: 8-byte

  (3)C语言整数类型

　　　　 int_　　　　 intc　　　　 intp　　 short　　 long　　 longlong

（4）浮点型floating　　　　布尔型Boolean    　　复数类型Complex　　　　字符串类型str  　　 日期时间类型data  and time　　原始数据块Raw data block

  （5）内置数据类型的字符代码

• 　    ？：boolean,                                                                                     例如：
• 　　 b: signed byte  　　　　　　　　　　　　　　　　　　　　　　i4: 32-bit signed integer
• 　    B: unsigned byte  　　                                                                   u2: 16-bit signed integer
• 　    i: signed integer                                     =========》                   f8: 64-bit floating-point
• 　    u: unsigned integer                     　　                                            U25: 25-character string
• 　    f: floating-point                                                                               V10: 10-byte wide data
• 　　 c: complex
• 　　 m: timedelta
• 　　 M: datetime
• 　　 O: Python object 　　
• 　　 S: (byte) string
• 　　 U: unicode string
• 　　 V: raw data (void)

接下来我们将举例说明NumPy的对数组的各种使用方法：

（1）ndarray  -----多维度数组

 解释：n--数字number  d--维度dimensional     array--数组

先看一下基本例子：

　　　ndarray具有的属性：

dtype　　shape 　　ndim　　size　　itemsize　　nbytes　　flags　　base　　

　　下面依次介绍属性使用：

   （2）axis

            为具有不止一个维度的数组定义轴。二维数组有两个对应的轴：第一个通过行（轴0）垂直向下运行，以及第二横跨柱（轴1）水平运行。

例如：[ [ [ 0 1 2]

　　　　 [ 3 4 5] ]

　　　   [ [ 6 7 8]

　　　　  [ 9 10 11] ] ]

sum(axis=0): [ [ 6 8 10] [12 14 16] ]

sum(axis=1): [ [ 3 5 7] [15 17 19] ]

sum(axis=3): [ [ 3 12] [21 30] ]

（3）创建多维度数组

  ①通过np.array------这个就是上面说的了，很简单

②通过函数

函数方法有：empty　    zeros　　ones　　asarray　　fromiter　　arange　　　　　　full　　　eye　　random.random　　linspace

实现也类似：

（4）多维数组的重塑：

（5）索引和切片

整数数组索引可以构造任意数组

使用来自另一个数组的数据