Python科学计算库Numpy

array类型是Numpy的核心类型，也是Python作为为科学计算领域首选语言的关键类型，可以不夸张地说，正是array类型的强大与易用性，筑就了Python帝国。

数组索引

和Python中的其他容器一样，数组通过[]进行索引，并且在列表索引的基础上有所扩充，千万要注意，索引号从0开始。

import numpy as np
x = np.random.randint(100,size=(3,5))
print(x)
''' np.random.randint(100,size=(3,5))表示生成3行5列的100以内随机整数
[[ 8 52 80 82 33]
 [49 77 74 21 62]
 [63 74 21  6 47]]
'''
x[1]    # 第一行元素 [49, 77, 74, 21, 62]
x[-1]   # 倒数第一行元素 [63, 74, 21,  6, 47]
x[0,1]  # 第0行第1列元素 52
x[:,1]  # 第1列元素 [52, 77, 74]
x[0:2, 1:3]
'''第0到2行；第1到3列的所有元素
[[52, 80],
 [77, 74]])
'''
x[:2, 1:]
''' 0:2中的0可以省略；冒号后面什么也不写表示末尾
[[52, 80, 82, 33],
 [77, 74, 21, 62]])
'''

上面这三种属于比较常规的索引方法，:表示整行或整列，对于高维数组，则代表当前维度的所有数据。

此外，Numpy还支持通过列表进行索引

x[[0,2]]
''' 索引第0行和第2行
[[ 8, 52, 80, 82, 33],
 [63, 74, 21,  6, 47]])
'''
x[[0,1,2],[1,2,4]]
''' 索引(0,1), (1,2), (2,4)这三个点
[52, 74, 47]
'''

:语法也支持更高级的形式，

x = np.random.randint(100,size=(10))
# [ 4, 21, 81, 98, 61, 96, 16, 21, 94, 95]
x[1:8:2]
''' 从1到8，以2为间隔索引全部
[21, 98, 96, 21]
'''

二元计算

Numpy重载了如下运算符

	运算符
数学计算	+, -, *****, ****, \, %, ******
元素比较	==, <, >, <=, >=, !=
位运算	移位**<<, >>；&**, ^, |, ~

这些运算符同标准Python是一样的，只不过应用对象从单个数值变为数组中的元素而已。位运算相对来说用得比较少，故而在此说明一下，^表示异或，|表示或，~表示取反。

x = np.array([1,0,1,0])
y = np.array([0,1,1,0])
x | y   # [1, 1, 1, 0]
x ^ y   # [1, 1, 0, 0]

除此之外，Numpy还实现了矩阵乘法@。

Numpy的有一个强大的功能，即broadcast，一般被翻译成广播，即允许不同维度的数组进行计算，在下面的案例中，x为1行5列，y为3行1列，二者相加后编程了3行5列的矩阵。

x = np.random.randint(100,size=(5))
y = np.random.randint(100,size=(3,1))
print(x+y)
'''
[[131 110 115 123 152]
 [ 65  44  49  57  86]
 [146 125 130 138 167]]
'''

数据类型

Numpy的快捷，当然离不开明确的数据类型，下面列出了几个Numpy中常用数据类型

	数据类型
整型	ubyte, ufunc, uint, uint16, uint32, uint64, uint8, uintc, uintp, ulonglong
浮点型	float16/half, float32, float64

这些数据类型可用字符串来表示，基本格式为，端序+标志+位数，其标志如下

	说明		说明
b	有符号字节	B	无符号字节
i	有符号整型	u	无符号整型
f	实浮点数	c	复浮点数
m	时间差	M	日期时间
O	对象	?	布尔类型
U	字符串	V	空数据

x.astype('>i8')  #将x转为大端序8位整型
x.astype('<f8')  #将x转为小端序8位浮点型

内置属性

Numpy数组中，内置了一些属性，可以方便调用

维度特征	ndim, shape, size
内存信息	itemsize, nbytes, stirdes, data, flags
类型信息	dtype
代数信息	实部real，虚部imag，转置T，展平flat

其中转置T和展平flat比较常用，但其flat之后并不会得到另一个一维数组，而是得到一个一维数组的迭代游标，可以此遍历，例如

>>> import numpy as np
>>> x = np.random.rand(2,2)
>>> for i in x.flat:
...   print(i)
...
0.47569020930997685
0.7621079266845692
0.522648906929767
0.6047491602097956