1、NumPy包含的内容
1、ndarrray，高效的多维数组，提供了基于数组的便捷算术操作以及灵活的广播功能；
2、对所有数组对象进行快速的矩阵计算，而无需编写循环；
3、提供对硬盘中的数据的读写工具，并对内存映射文件进行操作；
4、可实现线性变换、随机数生成以及傅里叶变换功能；
特点：NumPy在内部将数据存储在连续的内存块上，这与其他的Python内建序列是不同的，这使得NumPy数组对象的计算速度比其他同内容同操作的对象快(快10—100倍)。
2、每个ndarray对象具备的属性
1、shape属性用来描述数组的维数；
2、dtype属性描述数组的数据类型，它包含了ndarray需要为某一种类型数据所申明的内存块信息，是NumPy能够与其他系统数据灵活交互的原因；
1 import numpy as np 2 data = np.random.randn(2,3) 3 data.shape 4 Out[14]: 5 》(2, 3) 6 data.dtype 7 Out[15]: 8 》dtype(‘float64‘)
3、生成ndarray
1、array函数，array函数接受任意的序列型对象(包括数组)，生成一个包含传递数据的NumPy数组；接受嵌套序列时，自动转换成多维数组。
1 data1 = [1,2,7.9,0,1] 2 arr1 = np.array(data1) 3 arr1 4 Out[18]: 5 array([1. , 2. , 7.9, 0. , 1. ]) 6 data2 = [[1,2,3],[1,2,3]] 7 np.array(data2) # 接受嵌套序列，自动转成二维数组 8 Out[20]: 9 》array([[1, 2, 3], 10 [1, 2, 3]])
2、zeros()、ones()、empty()、full()等函数，注意zeros()、ones()、empty()等函数接受的参数只有一个，如果要生成多维数组，则需要为shape传递一个元组指定维数；
3、ones_like()根据所给的数据数组生成一个形状一摸一样的全1数组;zeros_like(),empty_like()、full_like()也类似；
4、arange()生成python内建函数range的数组版，返回一个数组。
4、ndarray数据类型
1、python数据数据类型众多，可以使用astype方法显示地转换数组地数据类型，注意：浮点型转整型时，小数点后部分将被消除。使用astype时，返回一个新的数组，而原数组不变。
1 arr = np.array([1, 2, 3, 4, 5]) 2 print(arr.dtype) 3 float_arr = arr.astype(np.float64) 4 print(float_arr.dtype) 5 》》int32 6 》》float64
2、如果一个数组里面地元素都是表达数字含义地字符串，也可以将字符串转换成数字；
1 numeric_strings = np.array([‘1.25‘, ‘-9.6‘, ‘42‘], dtype=np.string_) 2 numeric_strings 3 Out[30]: 4 >>array([b‘1.25‘, b‘-9.6‘, b‘42‘], dtype=‘|S4‘) 5 numeric_strings.astype(np.float) 6 Out[31]: 7 >>array([ 1.25, -9.6 , 42. ])
5、NumPy数组算术
数组之间可以直接进行批量操作而无需任何for循环；
任何在两个等尺寸数组之间的算术操作都运用了逐元素操作的方式；
带有标量的算术操作，会把计算参数传递给每一个元素；
同尺寸数组之间的比较，会产生一个布尔类型的数组；
6、数组索引与切片
1、数组的索引与列表的索引类似，但不相同。区别于python数组的内建列表，数组的切片是原数组的视图，即数组并不是被复制了，任何对于视图的修改都会反应到原数组上。
1 arr = np.arange(10) 2 arr[5:8] = 12 3 arr_slice = arr[5:8] 4 print(arr_slice) 5 arr_slice[1] = 12345 # 对视图的修改后，原数组也会被改变 6 arr 7 [12 12 12] 8 Out[38]: 9 array([ 0, 1, 2, 3, 4, 12, 12345, 12, 8, 10 9])
2、如果相对数组进行复制而不是得到一份视图，应该使用copy方法，eg：arr[5:8].copy()
3、多维数组的索引方法，以二维数组为例，数组名[index][index]或者数组名[index,index]的方式。
7、布尔索引
1、在索引数组时，可以传入布尔值数组，返回的是True对应的内容。
names = np.array([‘Bob‘, ‘Joe‘, ‘Will‘, ‘Bob‘, ‘Will‘, ‘Joe‘, ‘Joe‘]) data = np.random.randn(7, 4) names == ‘Bob‘ Out[41]: array([ True, False, False, True, False, False, False]) data[names == ‘Bob‘] Out[42]: array([[-0.71491699, 0.40102409, -0.42140722, -1.50136196], [ 0.21920979, -0.13960939, 1.60586575, 0.0712131 ]])
2、基于常识来设置布尔数组的值也是可行的。
1 data = np.random.randn(7, 4) 2 data 3 Out[44]: 4 >>array([[-0.83434737, -0.67205305, 0.17626815, -0.60448911], 5 [ 0.30011278, -0.98530314, -0.58816207, 2.40943742], 6 [-0.94236761, 1.12991724, -0.4361433 , 0.75806253], 7 [-0.7228912 , 1.1955933 , -0.75127874, -0.73905711], 8 [-0.4128283 , -0.15726642, 0.86381129, -1.2467569 ], 9 [-0.3290692 , -1.03838623, 0.68320058, -0.58237692], 10 [ 1.40461917, 0.55720836, 0.39822819, 0.64182056]]) 11 data[data < 0] = 0 12 data 13 Out[46]: 14 >>array([[0. , 0. , 0.17626815, 0. ], 15 [0.30011278, 0. , 0. , 2.40943742], 16 [0. , 1.12991724, 0. , 0.75806253], 17 [0. , 1.1955933 , 0. , 0. ], 18 [0. , 0. , 0.86381129, 0. ], 19 [0. , 0. , 0.68320058, 0. ], 20 [1.40461917, 0.55720836, 0.39822819, 0.64182056]])
8、reshape函数，格式 reshape(a, newshape, order=‘C‘)
Parameters
----------
a : array_like
Array to be reshaped.
newshape : int or tuple of ints
The new shape should be compatible with the original shape. If
an integer, then the result will be a 1-D array of that length.
One shape dimension can be -1. In this case, the value is
inferred from the length of the array and remaining dimensions.
order : {‘C‘, ‘F‘, ‘A‘}, optional
1 a = np.arange(6) 2 a 3 Out[49]: 4 array([0, 1, 2, 3, 4, 5]) 5 a.reshape(3,2) 6 Out[50]: 7 array([[0, 1], 8 [2, 3], 9 [4, 5]])
9、数组转置和换轴
1、转置是一种特殊的数据重组形式，也可以返回底层数据的视图而不需要复制任何内容，数组拥有transpose方法，也拥有T属性。当数组是一维或者二维时，数组名.T的形式直接返回转置后的数组（原来的数组不会修改），
1 arr = np.arange(15).reshape((3, 5))
2 arr
3 Out[54]:
4 array([[ 0, 1, 2, 3, 4],
5 [ 5, 6, 7, 8, 9],
6 [10, 11, 12, 13, 14]])
7 arr.T
8 Out[55]:
9 array([[ 0, 5, 10],
10 [ 1, 6, 11],
11 [ 2, 7, 12],
12 [ 3, 8, 13],
13 [ 4, 9, 14]])
2、对于更高维的数组，转置使用transpose和swapxes方法。
原文：https://www.cnblogs.com/Chris-01/p/11430904.html