numpy的使用

数据类型

1. bool_ 存储为一个字节的布尔值（真或假）
2. int_ 默认整数，相当于 C 的long，通常为int32或int64
3. intc 相当于 C 的int，通常为int32或int64
4. intp 用于索引的整数，相当于 C 的size_t，通常为int32或int64
5. int8 字节（-128 ~ 127）
6. int16 16 位整数（-32768 ~ 32767）
7. int32 32 位整数（-2147483648 ~ 2147483647）
8. int64 64 位整数（-9223372036854775808 ~ 9223372036854775807）
9. uint8 8 位无符号整数（0 ~ 255）
10. uint16 16 位无符号整数（0 ~ 65535）
11. uint32 32 位无符号整数（0 ~ 4294967295）
12. uint64 64 位无符号整数（0 ~ 18446744073709551615）
13. float_ float64的简写
14. float16 半精度浮点：符号位，5 位指数，10 位尾数
15. float32 单精度浮点：符号位，8 位指数，23 位尾数
16. float64 双精度浮点：符号位，11 位指数，52 位尾数
17. complex_ complex128的简写
18. complex64 复数，由两个 32 位浮点表示（实部和虚部）
19. complex128 复数，由两个 64 位浮点表示（实部和虚部）

数据类型对象 (dtype)

数据类型（整数、浮点或者 Python 对象）

数据大小

字节序（小端或大端）

在结构化类型的情况下，字段的名称，每个字段的数据类型，和每个字段占用的内存块部分。

如果数据类型是子序列，它的形状和数据类型

 
# 使用数组标量类型  
import numpy as np 
dt = np.dtype(np.int32)  
print dt#int8，int16，int32，int64 可替换为等价的字符串 'i1'，'i2'，'i4'，以及其他。  
import numpy as np dt = np.dtype('i4')  
print dt # 使用端记号  
import numpy as np 
dt = np.dtype('>i4')  
print dt# 首先创建结构化数据类型。  
import numpy as np 
dt = np.dtype([('age',np.int8)])  
print dt # 文件名称可用于访问 age 列的内容  
import numpy as np dt = np.dtype([('age',np.int8)]) 
a = np.array([(10,),(20,),(30,)], dtype = dt)  
print a['age']import numpy as np 
student = np.dtype([('name','S20'),  ('age',  'i1'),  ('marks',  'f4')])  
print studentimport numpy as np student = np.dtype([('name','S20'),  ('age',  'i1'),  ('marks',  'f4')]) 
a = np.array([('abc',  21,  50),('xyz',  18,  75)], dtype = student)  
print a

内建类型

‘b’：布尔值

‘i’：符号整数

‘u’：无符号整数

‘f’：浮点

‘c’：复数浮点

‘m’：时间间隔

‘M’：日期时间

‘O’：Python 对象

‘S’, ‘a’：字节串

‘U’：Unicode

‘V’：原始数据（void）

数组属性

ndarray.shape：这一数组属性返回一个包含数组维度的元组，它也可以用于调整数组大小
reshape：函数来调整数组大小
ndarray.ndim：这一数组属性返回数组的维数
numpy.itemsize：这一数组属性返回数组中每个元素的字节单位长度
numpy.flags：ndarray对象拥有以下属性

1. C_CONTIGUOUS © 数组位于单一的、C 风格的连续区段内
2. F_CONTIGUOUS (F) 数组位于单一的、Fortran 风格的连续区段内
3. OWNDATA (O) 数组的内存从其它对象处借用
4. WRITEABLE (W) 数据区域可写入。 将它设置为flase会锁定数据，使其只读
5. ALIGNED (A) 数据和任何元素会为硬件适当对齐
6. UPDATEIFCOPY (U) 这个数组是另一数组的副本。当这个数组释放时，源数组会由这个数组中的元素更新

数组创建

numpy.empty：它创建指定形状和dtype的未初始化数组

7. Shape 空数组的形状，整数或整数元组
8. Dtype 所需的输出数组类型，可选
9. Order 'C’为按行的 C 风格数组，'F’为按列的 Fortran 风格数组
   numpy.zeros：返回特定大小，以 0 填充的新数组。

1.Shape 空数组的形状，整数或整数元组

10. Dtype 所需的输出数组类型，可选
11. Order 'C’为按行的 C 风格数组，'F’为按列的 Fortran 风格数组

numpy.ones：返回特定大小，以 1 填充的新数组

12. Shape 空数组的形状，整数或整数元组
13. Dtype 所需的输出数组类型，可选
14. Order 'C’为按行的 C 风格数组，'F’为按列的 Fortran 风格数组
    numpy.asarray
15. a 任意形式的输入参数，比如列表、列表的元组、元组、元组的元组、元组的列表
16. dtype 通常，输入数据的类型会应用到返回的ndarray
17. order 'C’为按行的 C 风格数组，'F’为按列的 Fortran 风格数组
    numpy.frombuffer
    此函数将缓冲区解释为一维数组。 暴露缓冲区接口的任何对象都用作参数来返回ndarray
    1. buffer 任何暴露缓冲区借口的对象
    2. dtype 返回数组的数据类型，默认为float
    3. count 需要读取的数据数量，默认为-1，读取所有数据
    4. offset 需要读取的起始位置，默认为0
       numpy.fromiter
       此函数从任何可迭代对象构建一个ndarray对象，返回一个新的一维数组
    5. iterable 任何可迭代对象
    6. dtype 返回数组的数据类型
    7. count 需要读取的数据数量，默认为-1，读取所有数据
       numpy.arange
       这个函数返回ndarray对象，包含给定范围内的等间隔值
    8. start 范围的起始值，默认为0
18. stop 范围的终止值（不包含）
19. step 两个值的间隔，默认为1
20. dtype 返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。
    numpy.linspace
    此函数类似于arange()函数。 在此函数中，指定了范围之间的均匀间隔数量，而不是步长
    序号 参数及描述
21. start 序列的起始值
22. stop 序列的终止值，如果endpoint为true，该值包含于序列中
23. num 要生成的等间隔样例数量，默认为50
24. endpoint 序列中是否包含stop值，默认为ture
25. retstep 如果为true，返回样例，以及连续数字之间的步长
26. dtype 输出ndarray的数据类型
    numpy.logspace
    此函数返回一个ndarray对象，其中包含在对数刻度上均匀分布的数字。 刻度的开始和结束端点是某个底数的幂，通常为 10
27. start 起始值是base ** start
28. stop 终止值是base ** stop
29. num 范围内的数值数量，默认为50
30. endpoint 如果为true，终止值包含在输出数组当中
31. base 对数空间的底数，默认为10
32. dtype 输出数组的数据类型，如果没有提供，则取决于其它参数
    有三种可用的索引方法类型： 字段访问，基本切片和高级索引
    （start:stop:step）

 
import numpy as np
a = np.arange(10)
s = slice(2,7,2)  
print a[s]