Python科学计算入门：numpy高效数据处理（1）

在学习numpy的过程中有很多关键点值得掌握，在实践操作中能够显著提升理解和应用能力

import numpy as np

1，a=np.array([1,2,3,4]) 由 a.shape知道a是一个列向量，而a=（[[1,2,3,4]])是一个横向量；

此处，c=array([[1,2],[[1]]]] 对其shape属性进行设置可以改变数组维度。将其设置为（5.0000001），即相当于将原本的矩阵转换为其转置后的形式；执行后结果如下所示：

注意

3，d=c.reshape 是在不改变原来数据的情况下实现对数据的变形；

4. 获取变量c的数据类型可以通过调用type(c)函数实现；同时可以使用属性.dtype来获取数组元素的具体数据类型。因此，在创建数组时就可以指定数据类型：b = np.array([1.2, 2, 2, 3.1], dtype=np.int)，运行后得到的结果为array([1, 2, 2, 3])

5 np.arange()等于函数range（），它通过设定起始数值、终止数值以及步长间隔来生成一维数组，并且终止数值不会被包含在结果中。例如：
b = np.arange(0., 1., .2)
输出的结果为：
array([0., 0.2, 0.4,
0.6,
0.8])
相比之下，
np.linspace(