我也不知道大家为什么都这样导入

# 一个人这样使用也罢了，几乎所有人都这样，我也跟随吧

import numpy as np

arr = np.array([1, 2, 3, 4])  # 创建

print(arr)  # [1 2 3 4]
print(type(arr))  # <class 'numpy.ndarray'>
print(arr.dtype)  # int32,跟随系统，有的机器是int64

# 其它创建方式
arr2 = np.array(range(1, 10, 2))  # 创建 [1 3 5 7 9]
arr3 = np.arange(1, 10, 2)  # 创建 [1 3 5 7 9]  ,np自带函数：arange()，效果与上相同

arr4 = np.array(range(10), dtype="uint8")  # 创建 无符号8位数

 

数据类型(dtype)

int8,int16,int32,int64(对应无符号uint8,uint16,uint32,uint64),bool,float16(32,64)

改变数据类型

"""
1. astpye改变
astpye()函数改变后，会返回一个新的地址，不改变原来的
"""
arr = np.array([1, 2, 3, 4], dtype="int64")  # 创建 64位类型
arr2 = arr.astype("int16")                   # astpye()，改为16位，并返回一个新的数组
print(arr.dtype)                            #  int64
print(arr2.dtype)                           #  int16

#   顺便看一下它们的地址,它们会占用新的内存地址，
print(id(arr))          # 1217452886416
print(id(arr2))         # 1217453015088

方法1：astype()

arr = np.array([1, 2, 3, 4], dtype="int64")  # 创建 64位类型
print(id(arr))          # 2416301033872
"""
我想改变为16位，此64位不再使用，
可不可以直接赋值，为节约内存呢？
我们测试一下
"""
arr = arr.astype("int16")                   # 直接赋值给原来的arr,看地址会不会变？
print(id(arr))         # 2416301162544

"""
它们的地址是不同的，说明指针变化了
我的机器是：虽然2个不同的指针，但数据都指向同一数据，内存没有浪费。
但有的机器或系统就不一样了，会产生新的数据，可能过一会python 才会自动销毁它，甚至一直存在，造成内存浪费。

大家可百度了解一下：python interning 机制
"""

方法2：赋值法

arr = np.array([1, 2, 3, 4], dtype="int64")  # 创建 64位类型
print(id(arr))          # 1751221848464
arr.dtype = "int8"      # 对arr直接赋值新的数据类型
print(id(arr))          # 1751221848464
"""
地址不会改变，并修改了数据类型
"""

 建议使用第二种吧。就像字符串的连接，尽量使用format，而不是“+”或join()

数组形状(shape)

也叫做维度

s1 = np.array([1,1,1])
print(s1.shape)　　　　# (3,)

 

 

 数组的维度，shape(a,b,c,d.....)，a为最外层，b进一层，c再进一层，一直到最后才是里面的

维度必须对称,例如：

[   [1,1],   [1,1],  [1,1]  ]   ------shape(3,2)，数组内有3组，每次2个数字。

[   [1,1],   [1,1],  [1]  ]     ------这个定义可以吗？当然不可以，执行时会报错

因为它的意思是：数组含有3组，每组2个数字，而最后一个只有1个数字了，解释不通。

 

从流中，创建动态数组

np.frombuffer(buffer, dtype = float, count = -1, offset = 0)
Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b。

参数 描述
buffer 可以是任意对象，会以流的形式读入。
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。 

ss = b"I lovo china"
arr = np.frombuffer(ss, dtype="S1")
print(arr)
# [b'I' b' ' b'l' b'o' b'v' b'o' b' ' b'c' b'h' b'i' b'n' b'a']
arr2 = np.frombuffer(ss, dtype="S3")
print(arr2)
# [b'I l' b'ovo' b' ch' b'ina']
# 注意，如果不能平均分成3份时，会报错