一.对Numpy的认识：
NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作，可以帮助我们轻松地进行数值计算。 由于Numpy底层是由C语言编写,因而具有快速高效的特点
二.Numpy数组：
NumPy数组属性np.array.shape,返回数组的形状,为_Shapelikenp.array.type,返回np.ndarraynp.array.dtype,返回元素的类型np.array.size,返回元素的个数np.array.itemsize,返回每个元素占用的字节数np.array.ndim,返回数组的维数,e.g.向量是一维的np.array.nbytes,数组中所有元素所占用的字节数,为size$times$itemsize,而非数组所占用的空间
创建数组
np.array(),接收的参数为一个序列，如list,tuple,
ndarray的属性
data=np.array([[12,323,44,654,7],
[1,43,5,5,6],
[87,53,213,67,12],
[11,12,4324,5,6],
[1,234,435,5,6]],dtype='int64'或者dtype=np.float32)
import numpy as np
data=np.array([[12,323,44,654,7],
[1,43,5,5,6],
[87,53,213,67,12],
[11,12,4324,5,6],
[1,234,435,5,6]])
print("#输出数组n "+str(score))#输出数组
print("#数组维度的元组 "+str(score.shape))#数组维度的元组
print("#数组维度 "+str(score.ndim))#数组维度
print("#数组中元素数量 "+str(score.size))#数组中元素数量
print("#数组元素的长度 字节 "+str(score.itemsize))#数组元素的长度 字节
print("#数组元素的类型 "+str(score.dtype))#数组元素的类型
NumPy模块中的其它方法:
np.sqrt()对每个元素求平方根np.sum()对所有元素求和,当数组为二维时,传入参数axis,当axis=0,计算每一列所有元素的和,返回一个列表;当axis=1,计算每一行所有元素的和,返回一个列表np.min()返回最小的元素np.max()返回最大的元素np.cumsum()所有元素的部分和列表
矩阵乘法:a.dot(b)矩阵和向量的转置:
X.T,但是对于行向量(n,),并不能使其变成列向量(n,1)np.reshape(array,_Shapelike)对于行向量(n,),用np.transpose(array)使其变成列向量(n,1)
整数索引和切片的基本使用
多维数组的切片是沿着行或列的方向选取元素的，我们可以传入一个切片，也可以传入多个切片，还可以将切片与整数索引混合使用。
def main():
for i in range(5):
print("hello world")
main()
