Numpy 数组要比 Python 数组快

5 - 00000101 binary - numpy int32 

python 提供的内置对象 List , 在 numpy 使用二进制来保存 array。而在 python 的 list 数组对象保存很多额外的信息，例如大小(size)，类型(object type) 等信息，而且因为 list 支持动态对象，也就是类似弱类型语言，推断 list 中元素类型也耗时，而在 numpy 用更少的内存空间来存储数据，而且无需检查数据类型。在 numpy 用连续内存地址来保存数据。

创建数组

a = np.array([1,2,3])
print(a)
b = np.array([[9.0,8.0,7.0],[6.0,5.0,4.0]])
print(b)

获取数组维度

print(a.ndim)
print(b.ndim)
print(b.shape)

获取类型

print(a.dtype) 

创建数组指定数据类型

a = np.array([1,2,3],dtype='int16')
print(a.dtype) 

获取数组元素大小（字节数)

print(a.itemsize)
print(a.size)
print(a.size * a.itemsize)
print(a.nbytes)

更改数据

a = np.array([[1,2,3,4,5,6],[7,8,9,10,11,12]])
print(a)
print(a.shape)

通过行号和列号访问数据

print(a[1,5])
print(a[1,-1])

获取特定行

print(a[0,:])

获取特定列

print(a[:,2])

获取数组 [startindex:endindex:stepsize]

print(a[0,1:5])
print(a[0,1:-1:2])

更改数据

a[1,5] = 20
print(a)
a[:,2] = 5
print(a)
a[:,2] = [1,2]
print(a)

b = np.array([[[1,2],[3,4]],[[5,6],[7,8]]])
print(b)

指定特定的元素

print(b[0,1,0])
print(b[:,1,:])
print(b[:,0,0])
b[:,1,:] = [[7,7],[8,8]]
print(b)

创建特定数组

• zeros 创建元素为 0 的数组

print(np.zeros(5))
print(np.zeros((2,2,3)))

• ones 方法创建 1 数组

print(np.ones((3,3,2)))

使用 full 填充元素创建数组

print(np.full((2,2),6))

full_like 创建数组

a = np.array([[1,2,3,4,5,6],[7,8,9,10,11,12]])
print(np.full_like(a,2) )
print(np.random.rand(3,2))