0.有任何疑问找help
help(np.array)
1.查看其版本
np.version.short_version
2.创建数组并指定类型
a = np.array([[1,2,3],[4,5,6]],dtype=np.float)
print a #显示数值 [[1. 2. 3.] [4. 5. 6.]]
print a.dtype #显示数据类型 float64
3.传递元组
b = np.array((1,2,3,4,5,6,7))
print b #[1 2 3 4 5 6 7]
print b.dtype # int32
4.设置数组的维度，用0填充
np.zeros((3,2,2)) #3个2维数组
5.设置 维度大小，用1填充
np.ones((2,3,4))
6.设置维度，用随机数/空值填充
np.empty((4,3,4))
7.arange的使用
np.arange(1,9,5) # 1 - 9 之间 步长为5 若步长为负数。则为倒序
类比np.arange(10) #array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
8.np.linspace(1,10,5,endpoint=False) #设置不包含结尾的数
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
在指定的间隔内返回均匀间隔的数字。返回num均匀分布的样本。num为生成的样本数，默认是50。必须是非负
9.对数
np.logspace(1,10,5,endpoint=False)
10.np.random.random(size)/np.random.random(num,line,col)
np.random.random((2,3,4))#生成0-1内的随机数填充2个3行4列的数组
11.np.random.ranint((low,height,size))
a = np.random.randint(10,20,(2,3,4))
print a
print a.dtype
print a.shape
print a.size
print a.ndim
12.np.logspace(0,2,5) #默认10为底的对数，0:10的0次方 2:10的2次方 5：元素个数通过base 来制定底数
13.d = np.array([“python”,”scala”,”java”,”c#”], dtype=’S4’) #截取前4位
14.强制类型转换
a = np.array([1,2,3,4])
print a.dtype
b = a.astype(float)
print b.dtype
15.ndarray修改形状
1.直接修改数组ndarray的shape值, 要求修改后乘积不变。
2.直接使用reshape函数创建一个改变尺寸的新数组，原数组的shape保持不
变，但是新数组和原数组共享一个内存空间，也就是修改任何一个数组中的
值都会对另外一个产生影响，另外要求新数组的元素个数和原数组一致。
eg:cx = np.random.random([4,5])
cx.shape = (2,10)
当指定某一个轴为-1的时候，表示将根据数组元素的数量自动计算
该轴的长度值。
cx.reshape(5,-1)
16.求标准差
arr = np.array([[1,2,3,4],[6,7,8,9]])
print “std=”,arr.std()
print “通过公式计算”, np.sqrt(np.power(arr-arr.mean(),2).sum() / arr.size)
这里的的power的使用注意。