掌握NumPy数组对象ndarray

Numpy是python通用的数组处理包。它提供了一个高性能的多维数组对象，以及用于处理这些数组的工具。

1.创建数组对象

NumPy提供了两种基本的对象。 - ndarray（N-dimensional Array Object）：存储单一数据类型的多维数组。 - ufunc（Universal Function Object）：能够对数组进行处理的函数。

1).数组属性

在创建数组之前，需要先了解数组的基本属性，数组的属性及其说明如下表。

2).数组创建

NumPy提供的array函数可以创建一维或多维数组，其基本使用格式如下。

numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)

array函数主要参数及其说明如下表。

除了使用array函数创建数组之外，还可以使用arange函数创建数组。arange函数类似于Python自带的函数range，通过指定开始值、终值和步长来创建一维数组，创建的数组不含终值。arange函数的基本使用格式如下。

numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None)

arange函数常用参数及其说明如下表。

linspace函数通过指定开始值、终值和元素个数来创建一维数组，默认设置包括终值，这一点需要和arange函数区分。linspace函数的基本使用格式如下。

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

linspace函数的常用参数及其说明如下表。

logspace函数和linspace函数类似，它创建的是等比数列。logspace函数的基本使用格式如下。

numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)

在logspace函数的参数中，除了base参数和linspace函数的retstep参数不同之外，其余均相同。

==注意：stop是以base为底stop次方的值为结束值。==

NumPy还提供了其他函数用于创建特殊数组，如zeros、eye、diag和ones函数等。

3).数组数据类型

NumPy的基本数据类型及其取值范围如下表。

手动创建数组往往很难达到数量要求，NumPy提供了强大的生成随机数的功能。然而，真正的随机数很难获得，在实际中使用的都是伪随机数。在大部分情况下，伪随机数就能满足获取的需求。当然，某些特殊情况除外，如进行高精度的模拟实验。

对于NumPy，与随机数相关的函数都在random模块中，其中包括了可以生成服从多种概率分布随机数的函数。

常见的随机数函数有以下几个：

random函数是最常见的生成随机数的方法，random函数的基本使用格式如下。

numpy.random.random(size=None)

参数size接收int，表示返回的随机浮点数大小，默认为None。

NumPy通常以提供高效率的数组著称，这主要归功于索引的易用性。

常见的变换数组形态函数如下：