1.numpy.empty:
numpy.empty方法用來創建一個指定形狀（shape），數據類型（dtype）且未被初始化的數組：
numpy.empty(shape,dtype = float,order = 'C')
參數說明：?
shape:數組形狀。
dtype:數據類型，可選。
order:有C和F兩個選項，分別代表行優先和列優先，是計算機內存中存儲元素的順序。
import numpy as np# 1、numpy.empty
s = np.empty([4, 6], dtype=int)
print(s)2.numpy.zeros:
創建指定大小的組數，數組元素用0來填充：
numpy.zeros(shape, dtype = float,order = 'C')
參數說明：
shape:數組形狀。
dtype:數據類型，可選。
order:有C和F兩個選項，分別代表行優先和列優先，是計算機內存中存儲元素的順序。
import numpy as np# 默認為浮點數
x = np.zeros(5)
print(x)# 設置類型為整數
y = np.zeros((5, 2), dtype=np.int32)
print(y)# 自定義類型
z = np.zeros((3, 2), dtype=[('x', 'i4'), ('y', 'i4')])
print(z)
numpy.ones:
創建指定形狀的數組，用數組元素1來填充：
numpty.ones(shape, dtype = None,order = 'C')
參數說明：
shape:數組形狀。
dtype:數據類型，可選。
order:有C和F兩個選項，分別代表行優先和列優先，是計算機內存中存儲元素的順序。
import numpy as np# 默認為浮點數：
x = np.ones(5)
print(x)
# 自定義類型
x = np.ones([3, 3], dtype=int)
print(x)
還可以從已有數組創建數組。
（1）numpy.asarray:
numpy.asarray類似于numpy.array，但numpy.asarray的參數只有3個，比numpy.array少兩個。
numpy.asarray(a, dtype = None, order = Npne)
參數說明如下：
a:任意形式的輸入參數，可以是列表、列表的元組，元組、元組的元組，元組的列表。多維數組。
dtype:數據類型，可選。
order:可選，有C和F兩個選項，分別代表行優先和列優先，是計算機內存中存儲元素的順序。?
?將列表轉為ndarray:
import numpy as npx = [4, 5, 6, 10000]
print(x)
a = np.asarray(x)
print(a)
# [4, 5, 6, 10000]
# [ 4 5 6 10000]
??將元組轉為ndarray:
import numpy as npx = (100, 2000, 300000)
print(x)
a = np.asarray(x)
print(a)
# (100, 2000, 300000)
# [ 100 2000 300000]元組列表轉為ndarray：
import numpy as npx = [(1, 2, 3), (4, 5, 6)] # 確保所有元組長度一致
a = np.asarray(x)
print(a)
print('-'*15)# 定義dtype
y = [1, 2, 3]
b = np.asarray(y, dtype=float)
print(b)
（2）numpy.frombuffer:
numpy.frombuffer用于實現動態數組。
numpy.frombuffer接收buffer輸入的參數，以流的形式讀入轉化成ndarray對象。
buffer是字符串的時候，Python3默認str是Unicode類型，所以要轉為bytestring需在原str前加上b。
numpy.frombutter(buffer, dtype = float, count = -1, offset = 0)
?參數說明如下：
buffer:可以是任意對象，會以流的形式讀入。
dtype:返回數組的數據類型，可選。
count:讀取的數據數量，默認為-1，讀取所有數據。
offset:讀取的起始位置，默認為0。
?numpy.frombuffer實例應用:
import numpy as nps = b"Hello World!"
s1 = np.frombuffer(s, dtype='S1')
# [b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']
print(s1)（2）numpy.fromiter:
numpy.fromiter方法從可迭代對象中建立ndarray對象，返回一維數組。
numpy.fromiter(iterable,dtype,count = -1)
?參數說明如下：
iterable:可迭代對象。
dtype:返回數組的數據類型。
count:讀取的數據數量，默認為-1，讀取所有數據。
numpy.fromiter應用實例：
import numpy as npList = range(15)
it = iter(List)
x = np.fromiter(it, dtype=float)
print(x)
# [ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14.]數學運算：
算術函數：
1.加、減、乘、除函數
import numpy as npa = np.arange(0, 27, 3, dtype=np.float_).reshape(3, 3)
print('第一個數組：')
print(a)
print('~' * 15)
print("第二個數組：")
b = np.array([3, 6, 9])
print(b)
print('~' * 15)
print("第三個數組：")
c = np.arange(0, 20, 5,dtype=np.int32).reshape(2,2)
print(c)print(np.add(a, b))
print(np.subtract(a, b))
print(np.multiply(a, b))
print(np.divide(a, b))
1.numpy.reciprocal()函數： （求倒數）
import numpy as nps = np.array([888, 1000, 20, 0.1])
print("原數組是：")
print(s)
print('*' * 20)
print("調用reciprocal函數：")
print(np.reciprocal(s))
# 原數組是：
# [8.88e+02 1.00e+03 2.00e+01 1.00e-01]
# ********************
# 調用reciprocal函數：
# [1.12612613e-03 1.00000000e-03 5.00000000e-02 1.00000000e+01]
2.numpy.reciprocal()函數：
import numpy as npbase_array = np.array([2, 4, 8])
print("底數數組是：")
print(base_array)
print('*' * 20)
print('調用power函數計算平方：')
print(np.power(base_array, 2)) # 計算每個元素的平方
print('*' * 20)
print('指數數組是：')
exponents = np.array([1, 2, 4])
print(exponents)
print('*' * 20)
print('再次調用power函數計算底數的對應指數次方：')
# 計算2^1, 4^2, 8^4
print(np.power(base_array, exponents))
# 底數數組是：
# [2 4 8]
# ********************
# 調用power函數計算平方：
# [ 4 16 64]
# ********************
# 指數數組是：
# [1 2 4]
3.numpy.mod()函數：
| 函數 | 作用 | 公式 | 負數行為 |
|---|---|---|---|
np.mod() | 計算余數 | s - w * floor(s / w) | 余數符號與除數相同 |
np.remainder() | 計算余數 | s - w * round(s / w) | 余數符號與被除數相同 |
a = np.array([-5, 5])
b = np.array([2, -2])
print(np.mod(a, b)) # [1, -1]
print(np.remainder(a, b)) # [-1, 1]import numpy as nps = np.array([-3, 6, 9])
w = np.array([2, 4, 8])
print('第一個數組：')
print(s)
print('*' * 20)
print('第二個數組：')
print(w)
print('*' * 20)
print('調用mod()函數')
print(np.mod(s, w))
print('*' * 20)
print('調用remainder()函數：')
print(np.remainder(s, w))三角函數：
1.sin(),cos()和tan()函數：
import numpy as npa = np.array([0, 30, 45, 60, 90])
print('不同角度的正弦值：')
# 通過乘 pi/180 轉化為弧度
print('*' * 20)
print(np.sin(a * np.pi / 180))
print('*' * 20)
print("數組中角度的余弦值：")
print(np.cos(a * np.pi / 180))
print('*' * 20)
print('數組中角度的正切值')
print(np.tan(a * np.pi / 180))2.arcsin(),arccos()和arctan()
import numpy as npa = np.array([0, 30, 45, 60, 90])
print('含有正弦值的數組：')
sin = np.sin(a * np.pi / 180)
print(sin)
print('*' * 20)
print('計算角度的反正弦，返回值以弧度為單位：')
inv = np.arcsin(sin)
print(inv)
print('*' * 20)
print('通過轉化角度制來檢查結果：')
print(np.degrees(inv))
print('*' * 20)
print('arccos 和 arctan函數行為類似：')
cos = np.cos(a * np.pi / 180)
print(cos)
print('*' * 20)
print('反余弦：')
inv = np.arccos(cos)
print(inv)?
?
)
