最新Python学习教程（Python学习路线）：Numpy常用用法总结
一、前言
玩数据分析、数据挖掘、AI的都知道这个python库用的是很多的，里面包含各种操作，在实际的dataset的处理当中是非常常用的，这里我做一个总结，方便自己看，也方便大家看，我准备做一个非常细致的分类，每个分类有对应的numpy常用用法，以后见到或者用到再一个个慢慢加进来，如果我还用csdn我就会移植update下去。
二、下载、安装、导入
用anaconda安装是十分方便的，如果你已经安装了tf,keras之类的，其实已经直接把numpy安装了，一般来说安装就是pip命令。
1pip install numpy #py2
2pip3 install numpy #py3
用法：
1import numpy as np # 一般as为np来操作
三、常用用法总结
１．array基本信息以及生成各种常见array基本操作
生成array，得到对应的基本信息
1import numpy as np
2
3array = np.array([[1, 2, 3],
4 [2, 3, 4]])
5
6print array #numpy生成的array
7print array.dtype # 每个元素的类型
8print "number of dim", array.ndim # array的维度
9print 'shape:', array.shape #形状， 两行三列。
10print 'size:', array.size #array的大小＝array中所有元素的个数
11"""
12 [[1 2 3]
13 [2 3 4]]
14 int64
15 number of dim 2
16 shape: (2, 3)
17 size: 6
18"""
array的生成就是np.array(list)，本质上是把定义的list转换成array，因为array可以进行更加方便地计算和操作，比如矩阵的转置和相乘。
array的dtype设置
1import numpy as np
2
3a = np.array([2, 23, 4], dtype=np.float32)
4print "a's dtype", a.dtype
5aa = np.array([2, 23, 4], dtype=np.int)
6print "aa's dtype", aa.dtype
7aaa = np.array([2, 23, 4])
8print "aaa's dtype", aaa.dtype
9aaaa = np.array([2.2, 23.2, 4.2])
10print "aaaa's dtype", aaaa.dtype
11aaaaa = np.array([2, 23, 4], dtype=np.int64)
12print "aaaaa's dtype:", aaaaa.dtype
13
14"""
15 a's dtype float32
16 aa's dtype int64
17 aaa's dtype int64
18 aaaa's dtype float64
19 aaaaa's dtype: int64
20"""
由可以得到一个结论就是如果定义的array里面的list的元素本身为整数的话，不设置type，则默认为int64,如果设置为int类型而没有设置字节大小则还是默认为int64,如果元素本身为小数，则默认为float64。
所以如果用int64，则如果元素都为整数则不需要设置默认即可，设置其他类型需要设置，float类似。
生成常见array格式
1a1 = np.zeros((2, 3), dtype=np.int) # 生成shape=(2, 3)的全为0的array
2
3print a1
4"""
5 [[0 0 0]
6 [0 0 0]]
7"""
8
9a2 = np.ones((3, 4), dtype=np.int16) # 生成shape=(3, 4)的全为1的array
10
11print a2
12"""
13 [[1 1 1 1]
14 [1 1 1 1]
15 [1 1 1 1]]
16"""
这里注意shape=(a,b)，在填入shape的参数的时候一定要加括号，以下雷同。
1a3 = np.empty((3, 4)) # 生成shape=(3, 4)的全为接近空的array
2print a3
3"""
4 [[6.92259773e-310 4.67497449e-310 6.92259751e-310 6.92259750e-310]
5 [2.37151510e-322 3.16202013e-322 0.00000000e+000 6.92257087e-310]
6 [6.92259748e-310 6.92257087e-310 6.92257063e-310 6.92257063e-310]]
7"""
8a4 = np.arange(10, 20, 2) # 生成array
