核心概念

• Numpy中所有元素都是同样的类型，大小形状已知不可变

• Numpy数组类的名字叫ndarray，简称array（和python标准库中的array.array区分开）

  numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
  # 参数说明
  object：用于生成数组的数据对象
  dtype：指定类型，可选，不传入将根据序列中元素的类型进行推导。
  copy：可选，默认为True，对象被复制。
  order：C语言风格（按行）、FORTRAN风格（按列）或A（任意，默认）。
  subok：默认情况下，返回的数组被强制为基类数组。 如果为True，则返回子类。
  ndmin：指定返回数组的最小维数。
  # 重要属性说明
  ndarray.ndim：数组的轴数量
  ndarray.shape：数组的形状。这是一个整数元组。比如对于n行m列的矩阵，其shape形状就是(n,m)。而shape元组的长度则恰恰是上面的ndim值，也就是轴数。
  ndarray.size：数组中所有元素的个数。这恰好等于shape中元素的乘积。
  ndarray.dtype：数组中元素的数据类型。除了标准的Python类型，Numpy还提供一些自有的类型。
  ndarray.itemsize：元素的字节大小。比如float64类型的itemsize为8（=64/8），而complex32的itemsize为4（=32/8）。
  ndarray.data：包含数组实际元素的缓冲区。通常我们不需要使用这个属性，因为我们将使用索引工具访问数组中的元素。
  ndarray.flags: 数组对象的一些状态指示或标签
  

• np.astype：显式地转换数据类型并作为一个新的数组返回

  >>> numeric_string = np.array(['1.23', '-1.20', '33'], dtype=np.string_)
  >>> numeric_string
  array([b'1.23', b'-1.20', b'33'], dtype='|S5')
  
  >>> int_array = np.arange(4)
  >>> old = np.array([3.4,2.4,11.3])
  >>> new = old.astype(int_array.dtype)
  >>> old
  array([ 3.4,  2.4, 11.3])
  >>> new
  array([ 3,  2, 11])
  

• 预先定义的特殊值

  np.nan： 缺失值，或者理解为'不是一个数'
  # np.isnan() 
  np.pi:圆周率 3.1415926...
  np.e:自然数e 2.718281828459045...
  

• 可以通过ndarray.flat属性或者ndarray.eavel()方法平铺数组，这些并不改变数组本身。

• reshape不会修改数组本身，但resize会。

• ‍

‍