numpy.array对象
numpy.array 对象是 NumPy 库的核心，它提供了一种高效的方式来存储和操作同质数据类型的多维数组。每个 numpy.array 对象都有一系列的属性，这些属性提供了关于数组的重要信息。理解这些属性对于有效地使用 NumPy 和进行数据分析是非常关键的。以下是 numpy.array 对象的一些最重要的属性的详细介绍：
ndarray.ndim
ndim属性表示数组的维数，或者说数组轴的数量。例如，一个一维数组的ndim值为1，二维数组的ndim值为2，以此类推。
ndarray.shape
shape属性是一个表示数组在每个维度上大小的元组。对于一个二维数组（矩阵），其形状将表示为(行数, 列数)。
ndarray.size
size属性表示数组中元素的总数量。这等于shape属性中各维度大小的乘积。
ndarray.dtype
dtype属性表示数组中元素的数据类型，如float64（64位浮点数）、int32（32位整数）、bool（布尔值）等。
ndarray.itemsize
itemsize属性表示数组中每个元素的大小（以字节为单位）。例如，数据类型为float64的数组中每个元素的itemsize为8，因为一个float64占用8字节。
ndarray.data
data属性是一个指向数组实际数据的缓冲区的指针。通常，我们不直接使用这个属性，因为我们可以通过索引方法直接访问数组中的元素。
使用示例
下面是一个简单的例子，演示如何创建一个 NumPy 数组并使用这些属性：
import numpy as np
# 创建一个二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])
# 打印数组的属性
print("Array dimensions:", arr.ndim)
print("Shape of array:", arr.shape)
print("Size of array:", arr.size)
print("Data type of array elements:", arr.dtype)
print("Item size of array elements (bytes):", arr.itemsize)
np.random
np.random 模块是 NumPy 库的一部分，提供了用于生成随机数的功能。这个模块包含了一系列函数，用于生成不同类型的随机数据，如单个数、数组、根据特定分布生成的随机数等。以下是 np.random 模块的详细介绍，包括常用函数和使用示例。
随机数生成
生成单个随机数
np.random.rand(): 生成一个[0, 1)区间内的均匀分布的随机数。np.random.randn(): 生成一个标准正态分布（均值为0，方差为1）的随机数。
生成随机数组
np.random.rand(d0, d1, ..., dn): 生成一个给定形状的数组，数组中的元素是[0, 1)区间内的均匀分布的随机数。np.random.randn(d0, d1, ..., dn): 生成一个给定形状的数组，数组中的元素是标准正态分布的随机数。np.random.randint(low, high=None, size=None, dtype='l'): 生成一个随机整数或整数数组，范围是[low, high)，如果high=None，则范围是[0, low)。
随机种子
NumPy的随机数功能是基于伪随机数生成器的，这意味着它们是通过算法在确定性的基础上生成的，看起来像是随机的。设置相同的种子值将会产生相同的随机数序列。
np.random.seed(seed=None): 设置随机数生成的种子。指定种子后，随机数生成的序列是可重复的。
从特定分布生成随机数
np.random.normal(loc=0.0, scale=1.0, size=None): 从正态分布中抽取随机数。np.random.uniform(low=0.0, high=1.0, size=None): 从均匀分布中抽取随机数。np.random.binomial(n, p, size=None): 从二项分布中抽取随机数。np.random.poisson(lam=1.0, size=None): 从泊松分布中抽取随机数。np.random.exponential(scale=1.0, size=None): 从指数分布中抽取随机数。
随机抽样
np.random.choice(a, size=None, replace=True, p=None): 从给定的一维数组中随机抽取元素。replace控制是否可以重复抽取同一个元素，p指定各元素被抽取的概率。
示例代码
import numpy as np
# 设置随机种子
np.random.seed(42)
# 生成随机数组
arr_uniform = np.random.rand(2, 3) # 均匀分布
arr_normal = np.random.randn(2, 3) # 标准正态分布
arr_int = np.random.randint(1, 10, size=(2, 3)) # 随机整数
print("Uniform distributed array:\n", arr_uniform)
print("\nNormally distributed array:\n", arr_normal)
print("\nRandom integer array:\n", arr_int)
# 从正态分布生成随机数
mean = 0
std = 1
size = 5
normal_samples = np.random.normal(mean, std, size)
print("\nNormal distribution samples:", normal_samples)
# 随机抽样
choices = np.random.choice(['a', 'b', 'c', 'd'], size=10, replace=True)
print("\nRandom choices:", choices)
