关于np.array（np里的数组）

c= np.array([[1,2,3],
        [4,5,6],
        [7,8,9],
        [10,11,12]
        ])
c.ndim ##2，维度信息
c.shape ##(4, 3)
c.size ##12
c.dtype ##dtype('int32')，array中元素的种类

##生成一个全是1的ndarray
np.ones(10) ##array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])
##生成一个全是0的ndarray
np.zeros(10) ##array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
##连接array
np.concatenate([np.ones(10),np.zeros(10)])

##生成一个四行三列全是1的ndarray，逻辑：先生成一个全是1的一维数组，再改变其形状到四行三列
np.ones(12).reshape(4,3)

##生成一个0-1均匀
##逻辑：np内有一个random包可以生成随机数字，在random内有一个random的功能函数可以生成一个均匀分布的随机数字
np.random.random(100).reshape(10,10)

np.random.randn(100).reshape(10,10) ##生成标准正态分布

##定义一个2行5列的数组
a = np.ones(10).reshape(2,5)
'''array([[1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.]])'''
np.zeros_like(a) #生成一个与a同样维度的数组

np.arange(1,5) #array([1, 2, 3, 4])
np.arange(1,101).reshape(10,-1)
##数据变成一维，
np.arange(1,101).reshape(10,-1).ravel()##ravel()可以把多维数据变成一维

##数据转置
a = np.random.randn(100).reshape(10,10)
a.T

##筛选大于0.5值，数据会变成一维
a[a>0.5]

a = np.arange(2,6).reshape(2,2)
b = np.arange(2,6).reshape(2,2)
##加、减、乘除都是对应元素进行
a+b

##.dot可以进行矩阵乘法
a.dot(b)

##常用数学函数
np.exp([1,2,3]) ##e的多少次方，array([ 2.71828183,  7.3890561 , 20.08553692])
np.sqrt([1,2,3]) ##求根号运算，array([1.        , 1.41421356, 1.73205081])
np.isnan(np.array(1)/np.array(0)) ##判断，False,正无穷和not a number不是一个事情

##切片
a = np.arange(12).reshape(4,3)
a

array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
a[1,1] #第二行，第二列：4
a[0,:] #array([0, 1, 2]),切片，拿到第一行
a[:,0] #array([0, 3, 6, 9])，切片，拿到第一列
a[0:2,:] ##前两行
a[[0,1],:]#读取前两行，方法不一样，这个例子主要事项告诉大家如何选取不连续切片