一.关于numpy数组对象
ndarray.ndim 维度个数，就是数组轴的个数，比如一维二维
ndarray.shape 数组的维度，表示每个维度上数组的大小
ndarray.size 数组的总个数
ndarray.dtybe 数据中元素类型的对象
nadrray.itemsize 数据中每个元素的字节大小
二.创建numpy数组
一维数组
import numpy as np data=np.array([1,2,3]) data
二维数组
import numpy as np data2=np.array([[1,2,3]，[1,2,3]]) data2
创建元素值全是0的数组
np.Zeros((1,2))
创建元素值全是1的数组
np.ones（（1,2）)
创建元素值全是随机数的数组
np.empty((5,2))
通过arange（）函数创建等差数组 功能与range（）类似，但arange（）函数返回结果为数组非列表
np.arange(1,20,5)
三.查看数据类型
ndarray.dtype可以创建一个表示数据类型的对象，如果想要获取类型的名称，那么就需要访问name属性进行获取。
data_one = np.array([[1, 2, 3], [4, 5, 6]]) data_one.dtype.name
numpy的数据类型由一个类型名和元素位常的数字组成，常用的数据类型如表
ndarray对象的数据类型转换(通过astype）
data = np.array([[1, 2, 3], [4, 5, 6]]) data.dtype # 数据类型转换为float64 float_data = data.astype(np.float64) float_data.dtyp
四.数据的切片索引
普通numpy的索引
arr = np.arange(8) # 获取索引为2的元素 arr[2] # 获取索引为3~5的元素，但不包括5 arr[3:5]
多维数组的索引与切片
索引一维数组
arr2d = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]]) arr2d[1]
索引二维数组（例如第2行第1列）
arr2d[2, 1]
使用一个切片
arr2d[:2]
使用二个切片
arr2d[0:2, 0:2]
切片与整数索引混合
arr2d[1, :2]
花式数组的索引
# 创建一个二维数组
demo_arr = np.empty((4, 4))
for i in range(4):
demo_arr[i] = np.arange(i, i + 4)
# 获取索引为[0,2]的元素
demo_arr[[0, 2]]
# 获取索引为(1,1)和(3,2)的元素 demo_arr[[1, 3], [1, 2]]
五.数组
对numpy数组元素排序(通过sort（))
arr = np.array([[6, 2, 7], [3, 6, 2], [4, 3, 2]]) arr.sort()
all（）函数用来判断整个数组元素的值是否全部满足条件，满足为true，不满足则为false
arr = np.array([[1, -2, -7],[-3, 6, 2], [-4, 3, 2]]) # arr的所有元素是否都大于2 np.all(arr > 2)
通过unique（）函数找出数组的唯一值，并返回排序后结果
arr = np.array([12, 11, 34, 23, 12, 8, 11]) np.unique(arr)
