【實驗樓/NumPy】numpy基本概念+基本操作

Numpy支持的數據類型

Numpy只支持數值類型的變量
如bool, int類，uint類，float類，complex類。
這些都是我們的數據類型dtype
我們要利用這些東西構造我們的數組類型ndarray

創建有規律數組的方法

1. arange方法創建，用法同range。
2. linspace方法創建，arange是規定步長，在linspace中是規定區間中數據的數目。
3. ones——指定數組的形狀（只能用tuple），創建全爲1的數組。
4. zeros——指定數組的形狀（只能用tuple），創建全爲0的數組。
5. eye——創建一個單位矩陣。

數組的各種屬性

我只能說，numpy中ndarray的屬性實在是太多了，包括實驗樓裏提到的我都不想把他們完全列舉出來。
這裏我們先假設a是一個由array創建的ndarray類型的數組

1. .T屬性，獲得該矩陣的轉置形態。
2. .size屬性，獲得數組中所有元素的個數統計。
3. .ndim屬性，獲得該數組的維度。
4. .shape屬性，輸出該數組各個維度的大小。
   

數組的各種操作

爲了能夠更加方便地操作各種各樣的參數，我們需要把我們的參數存儲到一個矩陣中，同時，爲了使用一些優化算法，我們又不得不展開我們的數組。numpy中這些操作都是比較簡單的。
1. .reshape((shape_tuple))
2. .ravel()

其它還有一些很厲害的操作, 在這之前我們需要明白一些事實。

· 什麼是ndarray的的axis？

axis是多維數組的一個屬性，以二維數組爲例，axis=0代表沿着列的方向向下，axis=1代表沿着行的方向向右。

在瞭解了以上知識以後，我們就可以瞭解一下操作了：
首先是數組和數組之間的操作：

1. 數組連接，把多個數組拼接成一個數組——concatenate
2. 數組的堆疊，允許更加靈活地堆疊數組——stack系列
3. 數組的拆分，相當於是堆疊的逆操作——split系列

然後是數組中列和行的操作：

1. 刪除列或者行——delete，給定axis的值決定刪除列還是行
2. 插入列或者行——insert，同樣由axis來決定
3. 在末尾添加數組——append。和insert操作差不多

其它

隨機數操作

主要是使用numpy.random模塊內的各種函數。
你要知道numpy中操作的單元都是數組，所以最後生成的都是ndarray的對象，所以你給定的參數不一定是隨機數的區間，很可能是最後數組的shape！
這裏面有很多隨機數可以挑選，請移步相關文檔，這裏不再贅述。

數學函數

numpy支持比built-in math庫更加複雜的數學運算（這裏就不僅僅侷限於數組了）甚至可以求解積分和差分。
這裏我主要想講講與矩陣和向量有關的運算
還有與線性代數有關的運算，這裏使用到的是numpy.linalg模塊中的內容。

索引和切片

索引操作，以二維數組爲例：

1. 獲得某個索引的元素，比如要獲得（m, n）位置上的元素，就a[m, n]。
2. 獲得某些元素，我們可以a[([m1, n1], [m2, n2])]。
   切片操作，和list的切片操作時一樣的。
   ndarray[start : stop : step]
   我們在對高維數組進行操作的時候，切片也可以以索引的形式來進行。
   比如a[0:3, 2:4]什麼意思一目瞭然

排序，搜索，計數

1. 排序：sort方法
2. 搜索和計數：