第二章知识整理

1.最简单的创建ndarray对象的方式是使用array()函数，在调用该函数时传入一个列表或者元组。

例如：创建一个一维数组

data1 = np.array([1, 2, 3])

创建一个二维数组

data2 = np.array([[1, 2, 3], [4, 5, 6]])

 2.通过zeros()函数创建元素值都是0的数组；通过ones()函数创建元素值都为1的数组。

np.zeros((3,4))
np.ones((3,4))

 3.通过empty()函数创建一个新的数组，该数组只分配了内存空间，它里面填充的元素都是随机的

np.empty((5,2))

4.通过arange()函数可以创建一个等差数组，它的功能类似于range()，只不过arange()函数返回的结果是数组，而不是列表。

np.arange(1,20,5)

1.ndarray.dtype可以创建一个表示数据类型的对象，如果希望获取数据类型的名称，则需要访问name属性进行获取。

data_one=np.array([[1,2,3],[4,5,6]])
data_one.dtype.name

 2.ndarray对象的数据类型可以通过astype()方法进行转换。

data = np.array([[1, 2, 3], [4, 5, 6]]) 
data.dtype
float_data = data.astype(np.float64)
float_data.dtype

1.对于一维数组来说，从表面上来看，它使用索引和切片的方式，与Python列表的功能相差不大。

arr = np.arange(8)
arr[5]
arr[3:5]

2. 在二维数组中，每个索引位置上的元素不再是一个标量了，而是一个一维数组。

arr2d = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]]) 

arr2d[1]

 3.如果想获取二维数组的单个元素，则需要通过形如“arr[x，y]”的索引来实现，其中x表示行号，y表示列号。

arr2d[0, 1]
arr2d[:2]

4.使用两个切片

arr2d[0:2, 0:2]

5.切片与整数索引混合使用的示例

arr2d[1, :2]

1.

demo_arr = np.empty((4, 4))
for i in range(4):
demo_arr[i] = np.arange(i, i + 4)
demo_arr[[0, 2]]

 如果希望对任何一个轴上的元素进行排序，则需要将轴的编号作为sort()方法的参数传入。

arr = np.array([[6, 2, 7], [3, 6, 2], [4, 3, 2]])
arr.sort(0)

all()函数用于判断整个数组中的元素的值是否全部满足条件，如果满足条件返回True，否则返回False。 

arr = np.array([[1, -2, -7],[-3, 6, 2], [-4, 3, 2]])
np.all(arr > 0)

 针对一维数组，NumPy提供了unique()函数来找出数组中的唯一值，并返回排序后的结果。

arr = np.array([12, 11, 34, 23, 12, 8, 11])
np.unique(arr)