Python2.7-NumPy

NumPy

提供了两种基本对象ndarray（N-dimensional array object）和 ufunc（universal function object）
ndarray(下文统一称之为数组)是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数

数组的创建是通过给np.array()函数传递python的序列对象完成的，可以通过设置关键字参数dtype设置元素类型

array实例对象常用属性：

a.dtype：获得元素类型
a.shape：获得数组维度，也可直接修改数组shape属性来改变数组的维度，只会改变每个轴的大小，数组元素在内存中的位置并没有改变

array实例对象常用方法：

reshape()：创建一个改变了尺寸的新数组，原数组的shape保持不变，但共享内存，修改其中任意一个数组的元素都会同时修改另外一个数组的内容
arrange()：类似于python的range函数，通过指定开始值、终值和步长来创建一维数组，注意数组不包括终值
linspace()：指定开始值、终值和元素个数来等差创建一维数组，可以通过endpoint关键字指定是否包括终值，缺省设置是包括终值
logspace()：和linspace类似，不过它创建等比数列
frombuffer, fromstring, fromfile等函数可以从字节序列创建数组，设置dtype控制元素类型
fromfunction(func, shape)：通过制定函数func创建新数组，第一个参数为计算每个数组元素的函数，第二个参数为输出数组的大小

numpy.dtype({'names':[],'formats':[]})：定义一个结构数组，names定义每个字段名，formats定义对应字段类型
numpy.ogrid[:,:]：它像一个多维数组一样，用切片组元作为下标进行存取，返回的是一组可以用来广播计算的数组（坐标点）。其切片下标有两种形式：
开始值:结束值:步长，和np.arange(开始值, 结束值, 步长)类似
开始值:结束值:长度j，当第三个参数为虚数时，它表示返回的数组的长度，和np.linspace(开始值, 结束值, 长度)类似

ufunc是universal function的缩写，它是一种能对数组的每个元素进行操作的函数，计算整个数组时速度比math里的函数要快，而单个数时则是math快，如numpy.sin()

frompyfunc(func, nin, nout)：func是计算单个元素的函数，nin是此函数的输入参数的个数，nout是此函数的返回值的个数

numpy.matrix()：创建矩阵对象，有dot（计算的是这两个数组对应下标元素的乘积和(数学上称之为内积）、inner、outer
numpy.tofile(file)，numpy.fromfile(file,[dtype])：tofile可以方便地将数组中数据以二进制的格式写进文件，但没有格式，因此用numpy.fromfile读回来的时候需要自己格式化数据
numpy.save(file,array)，numpy.load(file)：以NumPy专用的二进制类型保存数据，这两个函数会自动处理元素类型和shape等信息，后缀为npy，较难和其它语言编写的程序读入
numpy.savez(file, arr_0,[arr_1,...])：第一个参数是文件名，其后的参数都是需要保存的数组，也可以使用关键字参数为数组起一个名字，非关键字参数传递的数组会自动起名为arr_0, arr_1,输出的是一个压缩文件(扩展名为npz)，其中每个文件都是一个save函数保存的npy文件，文件名对应于数组名。load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容
numpy.savetxt(file,[fmt,delimiter])，numpy.loadtxt(file,[delimiter])：缺省按照'%.18e'格式保存数据，以空格分隔，保存时可以指定fmt和delimiter参数，分别控制保存元素的类型和分隔符，读入的时候也要指定delimiter参数
除了直接指定文件file，也可以传入已经打开的文件对象