标签：多个 items 数组 使用 info imp numpy 类型 符号位
numpy引用
import numpy as np
N维数组对象
np.array([0,1,2,3,4],[9,8,7,6,5,4])
np.array()生成一个ndarray数组
np.array()输出成[ ]形式，元素由空格分隔
ndarry对象的属性
.ndim 秩，即轴的数量或维度的数量
.shape ndarry对象的尺度，对于矩阵，n行m列
.size ndarry对象元素的个数，相当于.shape中n*m的值
.dtype ndarry对象的元素类型
.itemsize ndarry对象中每个元素的大小，以字节为单位
ndarry的元素类型
1.
bool 布尔类型，True或False
intc 与C语言中的int类型一致，一般是int32或int64
intp 用于索引的整数，与C语言中ssize_t一致，int32或int64
int8 字节长度的整数，取值：[‐128, 127]
int16 16位长度的整数，取值：[‐32768, 32767]
int32 32位长度的整数，取值：[‐231, 231‐1]
int64 64位长度的整数，取值：[‐263, 263‐1]
2.
uint8 8位无符号整数，取值：[0, 255]
uint16 16位无符号整数，取值：[0, 65535]
uint32 32位无符号整数，取值：[0, 232‐1]
uint64 32位无符号整数，取值：[0, 264‐1]
float16 16位半精度浮点数：1位符号位，5位指数，10位尾数
float32 32位半精度浮点数：1位符号位，8位指数，23位尾数
float64 64位半精度浮点数：1位符号位，11位指数，52位尾数
3.
complex64 复数类型，实部和虚部都是32位浮点数
complex128 复数类型，实部和虚部都是64位浮点数
ndarry数组的创建方法
1.从Python中的列表、元组等类型创建ndarray数组
2.使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等
np.arange(n) 类似range()函数，返回ndarray类型，元素从0到n‐1
np.ones(shape) 根据shape生成一个全1数组，shape是元组类型
np.zeros(shape) 根据shape生成一个全0数组，shape是元组类型
np.full(shape,val) 根据shape生成一个数组，每个元素值都是val
np.eye(n) 创建一个正方的n*n单位矩阵，对角线为1，其余为0
np.ones_like(a) 根据数组a的形状生成一个全1数组
np.zeros_like(a) 根据数组a的形状生成一个全0数组
np.full_like(a,val) 根据数组a的形状生成一个数组，每个元素值都是val
np.linspace() 根据起止数据等间距地填充数据，形成数组
np.concatenate() 将两个或多个数组合并成一个新的数组
3.从字节流（raw bytes）中创建ndarray数组
4.从文件中读取特定格式，创建ndarray数组
ndarry数组的变换
.reshape(shape) 不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape) 与.reshape()功能一致，但修改原数组
.swapaxes(ax1,ax2) 将数组n个维度中两个维度进行调换
.flatten() 对数组进行降维，返回折叠后的一维数组，原数组不变
ndarry数组类型的变换
ndarry数组向列表的转换
ndarry数组的操作
索引和切片
ndarry数组的运算
一元函数
二元函数
标签：多个 items 数组 使用 info imp numpy 类型 符号位
原文地址：https://www.cnblogs.com/zhangfuxiao/p/9320690.html
