1.numpy.empty:
numpy.empty方法用来创建一个指定形状（shape），数据类型（dtype）且未被初始化的数组：
numpy.empty(shape,dtype = float,order = 'C')
参数说明：
shape:数组形状。
dtype:数据类型，可选。
order:有C和F两个选项，分别代表行优先和列优先，是计算机内存中存储元素的顺序。
import numpy as np# 1、numpy.empty
s = np.empty([4, 6], dtype=int)
print(s)2.numpy.zeros:
创建指定大小的组数，数组元素用0来填充：
numpy.zeros(shape, dtype = float,order = 'C')
参数说明：
shape:数组形状。
dtype:数据类型，可选。
order:有C和F两个选项，分别代表行优先和列优先，是计算机内存中存储元素的顺序。
import numpy as np# 默认为浮点数
x = np.zeros(5)
print(x)# 设置类型为整数
y = np.zeros((5, 2), dtype=np.int32)
print(y)# 自定义类型
z = np.zeros((3, 2), dtype=[('x', 'i4'), ('y', 'i4')])
print(z)
numpy.ones:
创建指定形状的数组，用数组元素1来填充：
numpty.ones(shape, dtype = None,order = 'C')
参数说明：
shape:数组形状。
dtype:数据类型，可选。
order:有C和F两个选项，分别代表行优先和列优先，是计算机内存中存储元素的顺序。
import numpy as np# 默认为浮点数：
x = np.ones(5)
print(x)
# 自定义类型
x = np.ones([3, 3], dtype=int)
print(x)
还可以从已有数组创建数组。
（1）numpy.asarray:
numpy.asarray类似于numpy.array，但numpy.asarray的参数只有3个，比numpy.array少两个。
numpy.asarray(a, dtype = None, order = Npne)
参数说明如下：
a:任意形式的输入参数，可以是列表、列表的元组，元组、元组的元组，元组的列表。多维数组。
dtype:数据类型，可选。
order:可选，有C和F两个选项，分别代表行优先和列优先，是计算机内存中存储元素的顺序。
将列表转为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]
将元组转为ndarray:
import numpy as npx = (100, 2000, 300000)
print(x)
a = np.asarray(x)
print(a)
# (100, 2000, 300000)
# [ 100 2000 300000]元组列表转为ndarray：
import numpy as npx = [(1, 2, 3), (4, 5, 6)] # 确保所有元组长度一致
a = np.asarray(x)
print(a)
print('-'*15)# 定义dtype
y = [1, 2, 3]
b = np.asarray(y, dtype=float)
print(b)
（2）numpy.frombuffer:
numpy.frombuffer用于实现动态数组。
numpy.frombuffer接收buffer输入的参数，以流的形式读入转化成ndarray对象。
buffer是字符串的时候，Python3默认str是Unicode类型，所以要转为bytestring需在原str前加上b。
numpy.frombutter(buffer, dtype = float, count = -1, offset = 0)
参数说明如下：
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。
numpy.frombuffer实例应用:
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方法从可迭代对象中建立ndarray对象，返回一维数组。
numpy.fromiter(iterable,dtype,count = -1)
参数说明如下：
iterable:可迭代对象。
dtype:返回数组的数据类型。
count:读取的数据数量，默认为-1，读取所有数据。
numpy.fromiter应用实例：
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.]数学运算：
算术函数：
1.加、减、乘、除函数
import numpy as npa = np.arange(0, 27, 3, dtype=np.float_).reshape(3, 3)
print('第一个数组：')
print(a)
print('~' * 15)
print("第二个数组：")
b = np.array([3, 6, 9])
print(b)
print('~' * 15)
print("第三个数组：")
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()函数： （求倒数）
import numpy as nps = np.array([888, 1000, 20, 0.1])
print("原数组是：")
print(s)
print('*' * 20)
print("调用reciprocal函数：")
print(np.reciprocal(s))
# 原数组是：
# [8.88e+02 1.00e+03 2.00e+01 1.00e-01]
# ********************
# 调用reciprocal函数：
# [1.12612613e-03 1.00000000e-03 5.00000000e-02 1.00000000e+01]
2.numpy.reciprocal()函数：
import numpy as npbase_array = np.array([2, 4, 8])
print("底数数组是：")
print(base_array)
print('*' * 20)
print('调用power函数计算平方：')
print(np.power(base_array, 2)) # 计算每个元素的平方
print('*' * 20)
print('指数数组是：')
exponents = np.array([1, 2, 4])
print(exponents)
print('*' * 20)
print('再次调用power函数计算底数的对应指数次方：')
# 计算2^1, 4^2, 8^4
print(np.power(base_array, exponents))
# 底数数组是：
# [2 4 8]
# ********************
# 调用power函数计算平方：
# [ 4 16 64]
# ********************
# 指数数组是：
# [1 2 4]
3.numpy.mod()函数：
| 函数 | 作用 | 公式 | 负数行为 |
|---|---|---|---|
np.mod() | 计算余数 | s - w * floor(s / w) | 余数符号与除数相同 |
np.remainder() | 计算余数 | s - w * round(s / w) | 余数符号与被除数相同 |
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('第一个数组：')
print(s)
print('*' * 20)
print('第二个数组：')
print(w)
print('*' * 20)
print('调用mod()函数')
print(np.mod(s, w))
print('*' * 20)
print('调用remainder()函数：')
print(np.remainder(s, w))三角函数：
1.sin(),cos()和tan()函数：
import numpy as npa = np.array([0, 30, 45, 60, 90])
print('不同角度的正弦值：')
# 通过乘 pi/180 转化为弧度
print('*' * 20)
print(np.sin(a * np.pi / 180))
print('*' * 20)
print("数组中角度的余弦值：")
print(np.cos(a * np.pi / 180))
print('*' * 20)
print('数组中角度的正切值')
print(np.tan(a * np.pi / 180))2.arcsin(),arccos()和arctan()
import numpy as npa = np.array([0, 30, 45, 60, 90])
print('含有正弦值的数组：')
sin = np.sin(a * np.pi / 180)
print(sin)
print('*' * 20)
print('计算角度的反正弦，返回值以弧度为单位：')
inv = np.arcsin(sin)
print(inv)
print('*' * 20)
print('通过转化角度制来检查结果：')
print(np.degrees(inv))
print('*' * 20)
print('arccos 和 arctan函数行为类似：')
cos = np.cos(a * np.pi / 180)
print(cos)
print('*' * 20)
print('反余弦：')
inv = np.arccos(cos)
print(inv)
