常量
numpy.nan
空值 nan=NaN=NAN 两个numpy.nan是不相等的
numpy.inf
表示正无穷大。Inf=inf=infty=Infinity=PINF
numpy.pi
表示圆周率
numpy.e
表示自然常数
数据类型
常见数据类型
原生数据类型 int float bool str list dict
numpy中 在类型名称末尾都加了“_”
创建数据类型
numpy的数值类型实际上是dtype对象的实例。
数据类型信息
python的浮点数通常是64位浮点数，几乎等同于np.float64。
NumPy和Python整数类型的行为在整数溢出方面存在显著差异，与Numpy不同，Python的int是灵活的。这意味着Python整数可以扩展以容纳任何整数并且不会溢出。
时间日期和时间增量
datetime64 基础
-
datatime64是带单位的日期时间类型
1秒 = 1000 毫秒（milliseconds）
1毫秒 = 1000 微秒（microseconds） -
从字符串创建 datetime64 类型时，默认情况下，numpy 会根据字符串自动选择对应的单位。
-
从字符串创建 datetime64 类型时，可以强制指定使用的单位。
-
从字符串创建 datetime64 数组时，如果单位不统一，则一律转化成其中最小的单位。
-
使用arange()创建 datetime64 数组，用于生成日期范围。
datetime64 和 timedelta64 运算
-
timedelta64 表示两个 datetime64 之间的差。timedelta64 也是带单位的，并且和相减运算中的两个 datetime64 中的较小的单位保持一致。
-
生成 timedelta64时，要注意年（'Y'）和月（'M'）这两个单位无法和其它单位进行运算（一年有几天？一个月有几个小时？这些都是不确定的）
-
timedelta64的运算
-
numpy.datetime64 与 datetime.datetime 相互转换
datetime64的应用
numpy.busday_offset(dates, offsets, roll='raise', weekmask='1111100', holidays=None, busdaycal=None, out=None)
- 将指定的偏移量应用于工作日，单位天（'D'）。计算下一个工作日，如果当前日期为非工作日，默认报错。可以指定 forward 或 backward 规则来避免报错。（一个是向前取第一个有效的工作日，一个是向后取第一个有效的工作日）
numpy.is_busday(dates, weekmask='1111100', holidays=None, busdaycal=None, out=None)
-
返回指定日期是否是工作日。
-
统计一个 datetime64[D] 数组中的工作日天数。
-
自定义周掩码值，即指定一周中哪些星期是工作日。
numpy.busday_count(begindates, enddates, weekmask='1111100', holidays=[], busdaycal=None, out=None)
- 返回两个日期之间的工作日数量。
数组的创建
numpy 提供的最重要的数据结构是ndarray，它是python中list的扩展。
依据现有数据来创建narray
- 通过array()函数创建
- 通过asarray()函数创建
array()和asarray()都可以将结构数据转化为 ndarray，但是array()和asarray()主要区别就是当数据源是ndarray 时，array()仍然会 copy 出一个副本，占用新的内存，但不改变 dtype 时 asarray()不会。
更改为较大的dtype时，其大小必须是array的最后一个axis的总大小（以字节为单位）的除数 - 通过fromfunction()函数创建
给函数绘图的时候可能会用到fromfunction()，该函数可从函数中创建数组。
依据ones和zeros填充方式
在机器学习任务中经常做的一件事就初始化参数，需要用常数值或者随机来创建一个固定大小的矩阵。
- 零数组
zeros()函数：返回给定形状和类型的零数组。
zeros_like()函数：返回与给定数组形状和类型相同的零数组。 - 1 数组
ones()函数：返回给定形状和类型的1数组。
ones_like()函数：返回与给定数组形状和类型相同的1数组。 - 空数组
empty()函数：返回一个空数组，数组元素为随机数。
empty_like函数：返回与给定数组具有相同形状和类型的新数组。 - 单位数组
eye()函数：返回一个对角线上为1，其它地方为零的单位数组。
identity()函数：返回一个方的单位数组。 - 对角数组
diag()函数：提取对角线或构造对角数组。 - 常数数组
full()函数：返回一个常数数组。
full_like()函数：返回与给定数组具有相同形状和类型的常数数组。
利用数值范围来创建ndarray
- arange()函数：返回给定间隔内的均匀间隔的值。
- linspace()函数：返回指定间隔内的等间隔数字。
- logspace()函数：返回数以对数刻度均匀分布。
- numpy.random.rand() 返回一个由[0,1)内的随机数组成的数组。
结构数组的创建
先定义结构，然后利用np.array()来创建数组，其参数dtype为定义的结构。
- 利用字典来定义结构
- 利用包含多个元祖的列表来定义结构
数组的属性
方法：
numpy.ndarray.ndim 用于返回数组的维数（轴的个数）也称为秩，一维数组的秩为 1，二维数组的秩为 2，以此类推。
numpy.ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。
numpy.ndarray.size 数组中所有元素的总量，相当于数组的shape中所有元素的乘积，例如矩阵的元素总量为行与列的乘积。
numpy.ndarray.dtype ndarray对象的元素类型。
numpy.ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。
在ndarray中所有元素必须是同一类型，否则会自动向下转换，int->float->str。
练习
什么是numpy？
numpy是Python科学计算的基础包,它是一个开源的Python扩展库
【答案】numpy是python中基于数组对象的科学计算库。 提炼关键字，可以得出numpy以下三大特点： 拥有n维数组对象; 拥有广播功能（后面讲到）； 拥有各种科学计算API，任你调用；
如何安装numpy？
用pip工具：pip install numpy；
或者直接去网站下载镜像库再安装：pip install X://XXX/XXX-numpy-XX.X.X.whl
什么是n维数组对象？
就是个n维数组，ndarray类型
【答案】n维数组（ndarray）对象，是一系列同类数据的集合，可以进行索引、切片、迭代操作。 numpy中可以使用array函数创建数组:
如何区分一维、二维、多维？
【答案】
判断一个数组是几维，主要是看它有几个轴（axis）。
一个轴表示一维数组，两个轴表示二维数组，以此类推。
每个轴都代表一个一维数组。
比如说，二维数组第一个轴里的每个元素都是一个一维数组，也就是第二个轴。
以下表达式运行的结果分别是什么?
(提示: NaN = not a number, inf = infinity)
0 * np.nan
np.nan == np.nan
np.inf > np.nan
np.nan - np.nan
0.3 == 3 * 0.1
nan
False
False
nan
False
将numpy的datetime64对象转换为datetime的datetime对象。
dt64 = np.datetime64('2020-02-25 22:10:10')
【知识点：时间日期和时间增量】
如何将numpy的datetime64对象转换为datetime的datetime对象？
dt = dt64.astype(datetime.datetime)
给定一系列不连续的日期序列。填充缺失的日期，使其成为连续的日期序列。
dates = np.arange('2020-02-01', '2020-02-10', 2, np.datetime64)
【知识点：时间日期和时间增量、数学函数】
如何填写不规则系列的numpy日期中的缺失日期？
out = []
for date, d in zip(dates, np.diff(dates)):
out.extend(np.arange(date, date + d))
fillin = np.array(out)
output = np.hstack([fillin, dates[-1]])
print(output)
如何得到昨天，今天，明天的的日期
【知识点：时间日期】
(提示: np.datetime64, np.timedelta64)
yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')
today = np.datetime64('today', 'D')
tomorrow = np.datetime64('today', 'D') + np.timedelta64(1, 'D')
创建从0到9的一维数字数组。
【知识点：数组的创建】
如何创建一维数组？
ar = np.arange(0,10)
创建一个元素全为True的 3×3 数组。
【知识点：数组的创建】
如何创建一个布尔数组？
ar = np.full([3,3],True)
【答案】np.full([3,3],True,dtype=np.bool)
创建一个长度为10并且除了第五个值为1的空向量
【知识点：数组的创建】
(提示: array[4])
arr = np.zeros(10)
arr[4] = 1
创建一个值域范围从10到49的向量
【知识点：创建数组】
(提示: np.arange)
np.arange(10,50)
创建一个 3x3x3的随机数组
【知识点：创建数组】
(提示: np.random.random)
np.random.random([3,3,3])
创建一个二维数组，其中边界值为1，其余值为0
【知识点：二维数组的创建】
(提示: array[1:-1, 1:-1])
创建长度为10的numpy数组，从5开始，在连续的数字之间的步长为3。
【知识点：数组的创建与属性】
如何在给定起始点、长度和步骤的情况下创建一个numpy数组序列？
np.arange(5,5+3*10,3)
将本地图像导入并将其转换为numpy数组。
【知识点：数组的创建与属性】
如何将图像转换为numpy数组？
import numpy as np
from PIL import Image
img1 = Image.open('test.jpg')
a = np.array(img1)
print(a.shape,a.dtype)