numpy库

shape的参数
- 当为三维时，(高度,行数,列数)
np.ndim()
- 求数组维度
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
- buffer 可以是任意对象，会以流的形式读入。(但一定要是流）
  dtype 返回数组的数据类型，可选
  count 读取的数据数量，默认为-1，读取所有数据。
  offset 读取的起始位置，默认为0。

导入Numpy库
1
import Numpy as np
特殊数组
- np.array([列表]/(元组),dtype=数据类型)
  - dtype=数据类型
    - int64,’int64’,’np.int64’
- np.arange(起始数字，结束数字，步长，dtype=数据类型 ) 创建数字序列数组
  
  前闭后开：数字序列中不包括结束数字
  
  起始数字省略，默认从0开始
  
  步长省略时，默认为1
- np.ones(shape,dtype=数据类型) 创建全1数组
  
  shape决定数组的行数与列数，以元组形式传入
  
  可以如下方式
  
  shape=(3,2) #三行两列
  
  创建一个元素全部为1的数字
- np.zeros(shape,dtype=数据类型) 创建全0数组
  
  用法如上
- np.eye(shape) 创建单位矩阵
  
  用法如上
- np.linspace(start,stop,num) 创建等差数列
  
  用法与matlab中的一样
- np.logspace(start,stop,num,base=q#比值) 创建等比数列
- np.asarray( )函数，将列表和数组转化为数组
对数组进行操作的函数
- np.reshape(shape) 不改变当前数组，按照shape创建新的数组
- np.resize(shape) 改变当前数组，按照shape创建数组
- 一些特殊用法
  - 如:np.arange(24).reshape(2,3,4)