Numpy数组常见的基本操作（数据类型、排序、计算、复制、拆分与拼接）

最近学习了一波视频课，对Numpy中对于array的一些操作进行了汇总，感觉还是比较有用的，其中包括（数据类型、排序、计算、复制、拆分与拼接）

这对于之后神经网络写代码过程中有一些值得注意的点，例如：数组复制过程浅和深复制的差异性…
四、

1. np.array() ##给定数组矩阵或向量
（注意：vector_1的shape为（5，），这是Python中秩为1的数组，它既不是行向量，也不是列向量，进行神经网络构建时一定注意，大部分就是报错在类型不一致）

2. Numpy里面shape、dtype、type、astype、ndim区别
shape： 输出数组的尺寸大小，行数、列数及维度
dtype: 输出数组的数据类型，包括int32,float,str
type: 返回数据结构类型（list、dict、numpy.ndarray 等）
astype: 改变np.array中所有数据元素的数据类型。
ndim: array.ndim 输出该数组的维度
备注：np.array 中要求所有元素属于同一数据类型，因此可调用dtype()函数

3. array.min()、.max()、 .mean()
对于设定的某一数组或列表进行取最小，最大，或均值；也可以设定按行或列求相应的值，不进行axis规定，默认对所有元素进行操作；

4. Numpy里面生成数据的操作np.arange()、 np.random.random((a,b))、 np.linspace()
具体含义见代码：

5. 数据复制：a = b, a = b.view(), = b.copy()
a = b : 直接等号复制数据，使得a,b数据ip一样，数据大小，类型完全一致，一个发生变化，另一个同样发生变化
a = b.view() :浅复制，虽然两者ip不同，但他们还是公用一组数据，一个变化，另一个易发生改变
= b.copy() ：深复制，c继承b的数据和类型，但他们两者从此再无联系，对c进行任何操作，与b 无关

6. np.tile()操作
#就是把数组沿各个方向复制

7. 对数组进行排序

8. 数组的拼接与拆分

代码都比较简单，目的是为了说明问题，所有全部全是截取的照片，有需要代码的，私