NumPy(一)

1. ndarray对象：（1）NumPy定义了一个n维数组对象，简称ndarray对象，它是一个一系列相同类型元素组成的数组集合

（2）ndarray对象采用了数组的索引机制，将数组中的每个元素映射到内存块上，并且按照一定的布局对内存块进行排列

2.NumPy创建数组：

num.array(object,dtype=None,copy=True,order=None,subok=False,ndmin=0)

3.arange（）生成区间数组：根据start和stop指定的范围以及step设定的步长，生成一个ndarray

numpy.arange(start,stop,step,dtype)

4.linspace()创建等差数列：返在间隔[开始，停止]上计算的num个均匀间隔的样本

numpy.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)

注：等差数列在线性回归经常作为样本集

5.logspace（）创建等比数列：

numpy.logspace(start,stop,num=50,endpoint=True,base=10.0,dtype=None)

注：base表示对数log的底数，其他的参数说明则参考上图

6.numpy数组属性：

numpy的数组中比较重要ndarray对象属性有：

1. ndarray.shape：返回一个包含数组维度的元组，对于矩阵，n行m列，它也可以用于调整数组维度
2. astype（）：numpy数据类型转换，调用astype返回数据类型修改后的数据，但是源数据的类型不会变

7.切片和索引：（1）ndarray对象的内容可以通过索引或切片来访问和修改，与Python中list的切片操作一样

（2）ndarray数组可以基于0到n的下标进行索引

注：切片还可以使用省略号“...”，如果在行位置使用省略号，那么返回值将包含所有行元素，反之，则包含所有列元素

1. 索引的高级操作:①整数数组索引：

②布尔数组索引：当输出的结果需要经过布尔运算（如比较运算）时，此时会使用到另一种高级索引方式，即布尔数组索引

—布尔索引实现的是通过一维数组中的每个元素的布尔型数值对一个与一维数组有着同样行数或列数的矩阵进行符合匹配，这种作用，其实是把一维数组中布尔值为True的相应行或列给抽取出来

（注：一维数组的长度必须和想要切片的维度或者轴的长度一致）

1. 数组索引及切片的值更改会修改原数组