1. &，|操作

1.1 &的数组对比

vector=numpy.array([5,10,15,20])
equal_to_ten_or_five=(vector==10)&(vector==5)
print equal_to_ten_or_five
---返回结果[false false false false]

1.2 |的数组对比

vector=numpy.array([5,10,15,20])
equal_to_ten_or_five=(vector==10)|(vector==5)
print equal_to_ten_or_five
---返回结果[true true false false]

1.3 |的数组对比，返回真实值

vector=numpy.array([5,10,15,20])
equal_to_ten_or_five=(vector==10)|(vector==5)
vector[equal_to_ten_or_five]=50
print(vector)
---返回结果[50 50 15 20]

2.数据类型转换

vector=numpy.array(["1","2","3"])
print(vector.dtype)//打印数组类型
print vector
vector=vector.astype(float)//数据类型转换float。利用vector.astype
print(vector.dtype)
print vector
---返回结果S1
  ['1' '2' '3']
  flat64
  [1. 2. 3.]

1. 可以用dtype属性来查看数据类型，一个NumPy数组只支持一种数据类型。NumPy可支持的数据类型有：

1.1 bool：布尔型， True 或者False

1.2 int：整型，其中有 int16, int32, 和 int64类型。后缀16, 32, 和 64 表示数据长度。

1.3 float：浮点数。同样有float16, float32, 和 float64。后缀16, 32, 和 64 表示数据长度，长度越长，数据准确度越高。

1.4 string：字符串。

1. astype：转换数组的数据类型。

2.1 int32 --> float64 完全ojbk

2.2 float64 --> int32 会将小数部分截断

2.3 string_ --> float64 如果字符串数组表示的全是数字，也可以用astype转化为数值类型

3.打印数据类型信息

a,dtype.name//a:矩阵定义名称 dtype.name：打印数据类型函数

4.数组求极值

vector=numpy.array([5,10,15,20])
vector.min()//直接打印最小值
---返回结果5

5.数组求和

matrix=numpy.array([[5,10,15],
   [20,25,30],
   [35,40,45]])
matrix.sum(axis=1)//axis:维度；axis=1：每行之和
                            //axis=0：每列之和
---array([30,75,120])

sum()：计算数组元素的和；对于矩阵计算结果为一个一维数组，需要指定行或者列

mean()：计算数组元素的平均值；对于矩阵计算结果为一个一维数组，需要指定行或者列

max()：计算数组元素的最大值；对于矩阵计算结果为一个一维数组，需要指定行或者列
需要注意的是，用于这些统计方法计算的数值类型必须是int或者float。

—未完待续（2018.10.14.18点20分）

numpy库应用02