numpy是python中非常有用的一个库，我们可以使用numpy创建大型的高维数组并进行运算。这里记录一下numpy一些常用的方法。如果想仔细研究numpy的强大功能还需要翻阅NumPy API文档
创建数组
import numpy as np
创建标量
我们使用numpy来创建一个简单的数字
# 创建一个float类型的数字
x = np.array(6.0) # 稍后会解释什么叫np.array()
print ("x: ", x)
# Number of dimensions
print ("x ndim: ", x.ndim)
# Dimensions
print ("x shape:", x.shape)
# Size of elements
print ("x size: ", x.size)
# Data type
print ("x dtype: ", x.dtype)
print(x)
结果如下所示：
x: 6.0
x ndim: 0
x shape: ()
x size: 1
x dtype: float64
ndim和shape，size，究竟是什么呢？我们再多看两个例子
创建一维数组和多维数组
# 1-D Array
x = np.array([1 , 2 , 1.7])
print ("x: ", x)
print ("x ndim: ", x.ndim)
print ("x shape:", x.shape)
print ("x size: ", x.size)
print ("x dtype: ", x.dtype) # notice the float datatype
结果如下：
x: [ 1. 2. 1.7]
x ndim: 1
x shape: (3,)
x size: 3
x dtype: float64
再来看三维数组
# 3-D array (matrix)
x = np.array([[[1,2,3], [4,5,6], [7,8,9]]])
print ("x:\n", x)
print ("x ndim: ", x.ndim)
print ("x shape:", x.shape)
print ("x size: ", x.size)
print ("x dtype: ", x.dtype)
结果如下：
x:
[[[1 2 3]
[4 5 6]
[7 8 9]]]
x ndim: 3
x shape: (1, 3, 3)
x size: 9
x dtype: int32
在numpy中，我们使用ndarray这种数据类型来存储数组，使用np.array()来创建ndarray；ndarray由数组数据和描述数据的元数据组成。
ndim: 变量x的维度，如果是数字就是0，如果是1维数组就是1，二维数组就是2，以此类推。
shape：变量x的形状，如果是数字就是()，如果是1维数组就是形如(3,)，如果是二维数组就形如(3,4)，以此类推 。
size: 变量x所有元素的总数；例如一个3x4的二维数组就是12个元素。
dtype：变量中元素的类型，numpy中有着丰富的数据类型。
其他方法
numpy数组和list可以互相转换：
a = [1,2,3]
# list 转 numpy
x = np.array(a)
# ndarray 转 list
b = x.tolist()
在numpy中还有一些创建数组的方法，例如：
我们可以使用np.arange()创建一个连续的等差数组：
# np.arange([start, ]stop, [step, ]dtype=None)
import numpy as np
nd1 = np.arange(6)#array([0 1 2 3 4 5])
nd2 = np.arange(2,6)#array([2 3 4 5])
nd3 = np.arange(2,10,2) #array([2 4 6 8])
我们通常使用np.arange() 配合reshape()来生成数组
nd4 = np.arange(6).reshape(2,-1)
print(nd4)
nd4:
[[0 1 2]
[3 4 5]]
使用numpy来创建零矩阵，单位矩阵等：
# 特殊矩阵
print ("np.zeros((2,2)):\n", np.zeros((2,2))) #零矩阵
print ("np.ones((2,2)):\n", np.ones((2,2))) #全部是1的矩阵
print ("np.eye((2)):\n", np.eye((2))) #单位矩阵
print ("np.random.random((2,2)):\n", np.random.random((2,2))) #随机矩阵
np.zeros((2,2)):
[[ 0. 0.]
[ 0. 0.]]
np.ones((2,2)):
[[ 1. 1.]
[ 1. 1.]]
np.eye((2)):
[[ 1. 0.]
[ 0. 1.]]
np.random.random((2,2)):
[[ 0.77997581 0.27259261]
[ 0.27646426 0.80187218]]
资料参考：practicalAI
