numpy 基础知识

# 当arange与浮点参数一起使用时， 由于浮点数的精度是有限的，通常不可能预测获得的元素数量。
np.arange(0,2,7,dtype=np.float32)
np.arange(10,30,5,dtype=np.float32)

# linspace 方法,此方法包含: 0和2
a = np.linspace(0,2,7)

# 在不知道具体值得时候创建占位np数组,
#   noes,zeros,
#   empty(内容是随机的并且取决于存储器的状态。默认情况下，创建的数组的dtype为float64。)
b = np.ones((3,), dtype=np.float64)
b.size

# zeros_like,ones_like,empty_like 创建一个类似于某数组的数组
x = np.arange(6)
x = x.reshape((2, 3))
np.zeros_like(x)

# numpy.random.rand(d0, d1, ..., dn)
# 创建一个给定形状的数组，并使用来自[0, 1)的均匀分布的随机样本填充它。
np.random.rand(3,2)

# 查看numpy数组的元素字节大小
b.itemsize

# 查看numpy数组的形状,也可理解为各个维度的元素个数
array = np.ones((2,5), dtype=np.int32)
array.shape


# 查看轴(维度)的个数,也可以看成np.shape元组的长度
array.ndim

# 查看数组元素的类型,dtype
array.dtype  # array.dtype.name == array.dtype.__str__()


# 如果数组太大而无法打印，NumPy会自动跳过数组的中心部分，并只打印边角
# 要禁用此行为并强制NumPy打印整个数组，使用set_printoptions更改打印选项
np.set_printoptions(threshold='nan')