Python3--Numpy

数组的形状是它有多少行和列，上面的数组有5行和5列，所以它的形状是(5，5)。

itemsize属性是每个项占用的字节数。这个数组的数据类型是int 64，一个int 64中有64位，一个字节中有8位，除以64除以8，你就可以得到它占用了多少字节，在本例中是8。

ndim 属性是数组的维数。这个有2个。例如，向量只有1。

nbytes 属性是数组中的所有数据消耗掉的字节数。你应该注意到，这并不计算数组的开销，因此数组占用的实际空间将稍微大一点。

linspace 和 arange 都可以自定义数组

import numpy as np
 
b = np.array((0, 1, 2, 3, 4))
c = np.arange(5) 
# 创建5个 0-2*np.pi 的等差数组
d = np.linspace(0, 2*np.pi, 5)
 
print(b) # >>>[0 1 2 3 4]
print(c) # >>>[0 1 2 3 4]
print(d) # >>>[ 0. 1.57079633 3.14159265 4.71238898 6.28318531]
 
a = np.array([
    [11, 12, 13, 14, 15],
    [16, 17, 18, 19, 20],
    [21, 22, 23, 24, 25],
    [26, 27, 28 ,29, 30],
    [31, 32, 33, 34, 35]
])
print(a[0, 1:4])
print(a[2, 1:4])
print(a[::3, ::3])
 
print(type(a)) # >>><class 'numpy.ndarray'>
print(a.dtype) # >>>int32
print(a.size) # >>>25
print(a.shape) # >>>(5, 5)
print(a.itemsize) # >>>4
print(a.ndim) # >>>2
print(a.nbytes) # >>>100
 
tt = ''
print (tt[::5],tt[::-1])
 
#1,50 是起止，2为步长
a1 = np.arange(8)
print(a1,a1.size,a1.reshape(-1))
 
#将a1组成新的行政
a1 = a1.reshape(2, 4)
 
# cumsum 首先将第一个元素和第二个元素相加，并将计算结果存储在一个列表中，然后将该结果添加到第三个元素中，然后再将该结果存储在一个列表中。这将对数组中的所有元素执行此操作，并返回作为列表的数组之和的运行总数
# min(),max(),sum(),+
print (a1,a1.cumsum(),a1.max(),a1.min(),a1.sum(),'\n',a1+a1)
 
# 花式索引
c1= np.arange(0,30)
 
#指定1,15，-2 位为索引位
indices = [1, 15, -2]
b1 = c1[indices]
print (c1,'\t',b1)