Python 科学计算之numpy
------------------------------------------Numpy库入门------------------------------------------
1.一维数据由对等关系的有序或无序数据构成，才用线性方式组织。对应列表、数组和集合等概念。列表集合
2.二维数据由多个一维数据构成，是一维数据的组合形式。表格是典型的二维数据，其中，表头是二维数据的一部分。列表
3.多维数据由一维数据或二维数据在新的维度上扩展形成。比如加上时间维度。 列表
4.高维数据仅利用最基本的二元关系展示数据之间的复杂结构。（键值对）字典或数据表示格式
5.Numpy使用：import numpy as np （引入模块的别名）
6.N维数组对象：ndarray：
数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据。
设置专门的数组对象，经过优化，可以提升这类应用的运算速度。
Ndarray是一个多维数组对象，由两部分构成：实际的数据，描述这些数据的元数据（数据维度、数据类型等）。
Ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始。
Np.array() 生成一个数组，轴是保存数据的维度，秩是轴的数量
有符号的类型
无符号的类型
复数类型
对元素类型精细定义，有助于合理使用储存空间并优化性能。
7.数组创建的方法：
示例：
（ ↑ ↑ ↑ 这三个函数在科学计算时很重要 ↑ ↑ ↑ ）
8.数组的维度变换：
9.ndarray数组的类型变换：
代码：a =np.ones((2,3))
a = np.ones((2,3),dtype = np.int)
Out[64]:
array([[1, 1, 1],
[1, 1, 1]])
b = a.astype(np.float)
Out[66]:
array([[1., 1., 1.],
[1., 1., 1.]])
注意：astype()方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一致。
10.ndarray数组向列表的转换：
代码：
11.ndarray数组的索引和切片：
a[1 : 4 : 2分别为起始编号，终止编号和步长，但是注意终止编号是不包含的
↑ ↑ ↑注意：多维数组的索引很多层时，第一个索引是最外层的，以此类推
↑ ↑ ↑注意：·索引和切片的不同点在于是否有：
12.ndarray数组的运算：
注意：ceil是不超过元素的整数值，floor是小于这个元素的最大整数值
square等函数使用后并不直接刷新原数组的值
↑↑↑二元函数
13.数据的CSV文件存取：
CSV是一种常见的文件格式，用来存储批量数据
用法：
np.savetxt(“frame”, array , fmt=’%.18e’ , delimiter=None)
frame：文件、字符串或产生器，可以是.gz或.bz2的压缩文件
array：存入文件的数组
fmt：写入文件格式，例如：%d %.2f %.18e
delimiter：分割字符串，默认是任何空格
np.loadtxt(“frame”, dtype=np.float , delimiter=None , unpack=False)
frame：文件、字符串或产生器，可以是.gz或.bz2的压缩文件
dtype：数据类型，可选
delimiter：分割字符串，默认是任何空格
unpack：如果True，读入属性将分别写入不同变量
CSV文件的局限性：只能有效存储一维和二维数组：
14.多维数组的文件存取：
用法：
a.tofile(“frame” , sep=’’ , format=’%s’)
frame：文件、字符串
sep：数据分割字符串，如果是空串，写入文件为二进制
format：写入数据的格式
注意：当sep为逗号时，会成为一维数组，当不指定时为二进制文件，普通打开会乱码，但是二进制占用的空间更少，如果 用逗号，读入文件时要使用 .reshape来还原之前的维度
np.fromfile(“frame”, dtype=float , count =-1 , sep=’’)
frame：文件、字符串
dtype：读取的数据类型
count：读入元素的个数，默认为-1，-1表示读入整个文件
sep：数据分割字符串，如果是空串，写入文件为二进制
15.numpy的便捷文件存取（系统自定义格式）：
np.save(fname, array)或 np.savez(fname, array)
np.load(fname)
注意：如果要使文件和其他程序的对接，就最好使用前两种方法
16.numpy的随机数库函数：
使用方法：
17.numpy统计函数：
Dr_JaiWang
2018.5.16