# -*- coding: utf-8 -*-
"""
Created on Thu May 18 16:17:40 2017
@author: zhangll
"""
>>> import numpy as np
####################1.创建数组使用 np.array 队列创建数组###########################
#方法一 调用函数并用[]列表形式
>>> array=np.array([0,1,2,3])
#可多个列表并联
>>> array_com=np.array([[0,1,2,3],[4,5,6,7]])
#方法二 调用函数并用()元祖形式tuple
>>> array2=np.array((0,1,2,3))
#以上(可以用圆括号代替方括号)
>>> array_com=np.array([(0,1,2,3),(4,5,6,7)])
>>> array_com=np.array(((0,1,2,3),(4,5,6,7)))
>>> array_com=np.array(([0,1,2,3],[4,5,6,7]))
#以上方法的复合列表相当于是一个行向量与行向量的拼接
################################2.array属性####################################
#通过调用shape来查看,注意属性是一个类的变量，调用变量不会出现括号的
>>> array_com_attr=array_com.shape
#结果(2L, 4L)，这个意思的理解我们首先要理解轴的概念，就像坐标轴x,y一样
#我们需要一种概念来解释结果(2L, 4L),这是一个元组，用array_com_attr[0]获取2L
#那么我们很自然地认为这个是0**的元素，**可以用轴概念去理解，那么我们就会很容易理解
#第0轴的长度为2，第1轴的长度为4，这样以数字轴概念来理解比利用x,y（行轴，列轴）来
#理解容易地多
#2.1 利用array的shape函数来修改原列表的长宽
>>> array_com.shape=4,2
#array_com 结果变成 Out[*]: array([[0, 1],[2, 3],[4, 5],[6, 7]])
#可以这么理解，把原先的列表按照0轴一次展开留下的列表，然后对其进行每组2个元素的
#组合分配，共分配4个元祖列表
>>> array_com.shape=3,2
#如果形状变成（4，1）（3，2）（4，3）的性状会报错，那是因为元素的总量要前后保持一致
#少了丢失数据，大了又耗内存，要刚刚好
###########################3.array元素的类型####################################
#我们如果想知道array的元素类型，只要通过输入代码set(np.typeDict.values())
#就能知道我们想要的元素类，如果想要知道某个array的元素类型只要输入如下：
>>> array_com.dtype
#Out[*]: dtype('int32') 它是一个32位的int数据类型
#因此如果想存储32位的数据，请使用如下
>>> array_com=np.array([[0,1,2,3],[4,5,6,7]],dtype=np.int32)
>>> array_com.dtype
#Out[*]: dtype('int64')
###3.1 可以通过元组的dtype修改元素类型
>>> array_com.dtype=np.int16
#array_com 为([[0, 0, 1, 0, 2, 0, 3, 0],[4, 0, 5, 0, 6, 0, 7, 0]])
#该为64位的元素比如6这个以32位存储的字节形式为【00000000c 00000000b】 【00000000a 00000006】
#而python通过cpu以小端序（一般计算机都是利用小端序的方式读取传输数据）方式重新组合成
#两个16位的数据形式为【00000006 00000000a】 【00000000b 00000000c】，是以小端序的形式显示的
在这里再说明下小端序的理解
整数是以小端序的方式存储在内存的。即读数据的时候先高
如下fromstring函数是把字符串格式存储为指定的格式，参数如下即把“abcd”字符串存储为4个8位的值
np.fromstring("abcd",dtype=np.int8)
Out[151]: array([ 97, 98, 99, 100], dtype=int8)
参数如下即把“abcd”字符串存储为2个16位的值
np.fromstring("abcd",dtype=np.int16)
Out[152]: array([25185, 25699], dtype=int16)
98*pow(2,8)+97
Out[153]: 25185
100*pow(2,8)+99
Out[154]: 25699
在这里就比较清楚理解小端序的存储方式了
#########################4.如何通过坐标来获取元素###########################
#以array_com为例,python一般都是以0作为第一元素的坐标，这个跟java等等语言很像
#至于为什么会有这么神奇的设定？我也不太清楚。感觉这是约定俗成的
########4.1获取第一个数组[0]坐标为零
>>> array03=array_com[0,3]
#Out[*]: 3,注意的是单个获取坐标是对原数组的一个拷贝，而不是链接
########4.2获取第一一个连续坐标的切片方法，该方法是对原array的一个映像（链接）
>>> arr_cut1=array_com[0,2:3]#[2,3)不包含第3轴的数据
>>> array_com[0,2]=100
>>> arr_cut1#array([100], dtype=int64)
#切片有一些技巧，a)比如array_com[0,1:-1] 切片中的-1代表元素倒数第一元素即array_com[0,1:4]
# b) array_com[0,1:] 相当于array_com[0,1:5]
# c)array_com[0,1::2] 相当于array_com[0,[1,3]]
#########################5.其他数据生成形式###########################
#5.1 np.arange() 等差数列 隔距 生成方法
>>> np.arange(0,1,0.2)
#Out[*]: array([ 0. , 0.2, 0.4, 0.6, 0.8]) 可以看出，是[0,1)每隔0.2步长的数组
#而1是不包含的与 切片中的 0:1:0.2类似
#5.2 np.linspace() 线性等差数列 固定步长 生成方法
>>> np.linspace(0,1,10)
#得到的结果array([ 0. , 0.11111111, 0.22222222, 0.33333333, 0.44444444,
# 0.55555556, 0.66666667, 0.77777778, 0.88888889, 1. ])
#可以发现是一个从[0,1)包含10个元素隔距为1/9的元组列表，如果以1/10为隔距，则需要加个参数
>>> np.linspace(0,1,10,endpoint=False)
# 结果 array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])
#5.2.1 类似于linspace 还有 np.logspace(0,2,5)
>>> np.logspace(0,2,5)
#array([1,3.166,10,31.62,100.])
#[10^0,10^2) 以10为底的指数数列,要是想改变底数，只要添加base参数（基础）
>>> np.logspace(0,2,5,base=2)
#array([1,1.41,2,2.83,4])它也有endpoint参数同上
#5.2.2 生成一些函数zeros(),ones(),empty()类似于matlab的生成模式
#如下为创造0轴为2个长度，1轴为5个长度的
np.empty((2,5),np.int)
np.empty([2,5],np.int)
#可以用()[]互相替换
np.zeros([2,5],np.int)
np.ones([2,5],np.int)
