python中numpy的array数据类型有哪些？

 import numpy as np#创建# 创建一维数组a = np.array([1, 2, 3])print(a)'''[1 2 3]'''# 创建多维数组b = np.array([(1, 2, 3), (4, 5, 6)])print(b)'''[[1 2 3] [4 5 6]]'''# 创建等差一维数组c = np.arange(1, 5, 0.5)print(c)'''[1.  1.5 2.  2.5 3.  3.5 4.  4.5]'''# 创建随机数数组d = np.random.random((2, 2))print(d)'''[[0.65746941 0.09766114] [0.15024283 0.9212932 ]] '''# 创建一个确定起始点和终止点和个数的等差一维数组##包含终止点e = np.linspace(1, 2, 10)print(e)'''[1.         1.11111111 1.22222222 1.33333333 1.44444444 1.55555556 1.66666667 1.77777778 1.88888889 2.        ] '''##不包含终止点f = np.linspace(1, 2, 10, endpoint=False)print(f)'''[1.  1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9]'''#创建一个全为‘1’的 数组g = np.ones([2,3])print(g)'''[[1. 1. 1.] [1. 1. 1.]] '''#创建一个全为‘0’的数组h = np.zeros([2,3])print(h)'''[[0. 0. 0.] [0. 0. 0.]] '''#通过函数创建数组k = np.fromfunction(lambda i,j :(i+1)*(j+1),(9,9))print(k)'''[[ 1.  2.  3.  4.  5.  6.  7.  8.  9.] [ 2.  4.  6.  8. 10. 12. 14. 16. 18.] [ 3.  6.  9. 12. 15. 18. 21. 24. 27.] [ 4.  8. 12. 16. 20. 24. 28. 32. 36.] [ 5. 10. 15. 20. 25. 30. 35. 40. 45.] [ 6. 12. 18. 24. 30. 36. 42. 48. 54.] [ 7. 14. 21. 28. 35. 42. 49. 56. 63.] [ 8. 16. 24. 32. 40. 48. 56. 64. 72.] [ 9. 18. 27. 36. 45. 54. 63. 72. 81.]] '''###############获取数组的相关属性a = np.array([(1,2,3),(4,5,6)])print(a)##获取数组的形状print(a.shape)'''(2, 3)表示：该数组为2行3列'''## 改变数组的形状b = a.reshape(3,2)print(b)'''[[1 2] [3 4] [5 6]] 将a数组的数据由2行3列变成3行2列得到b数组，但是a数组没有发生改变 '''a.resize(3,2)print(a)'''[[1 2] [3 4] [5 6]] a数组由2行3列变成3行2列，此时，a数组的形状发生了改变 '''###############数组切片操作a = np.array([(1,2,3),(4,5,6)])print(a)'''[[1 2 3] [4 5 6]] '''##获取数组的第二行print(a[1])'''[4 5 6]'''##获取数组的前两行print(a[0:2])'''[[1 2 3] [4 5 6]]'''##获取数组的前两列的值print(a[:,[0,1]])'''[[1 2] [4 5]] '''##获取数组的第1行的前两列的值print(a[0,[0,1]])'''[1 2]'''##遍历数组for row in a:    print(row)'''[1 2 3][4 5 6]'''#########################数组拼接a = np.array([1,2,3])b = np.array([4,5,6])#垂直方向的拼接c = np.vstack((a,b))print(c)'''[[1 2 3] [4 5 6]]'''#竖直方向的拼接d = np.hstack((a,b))print(d)'''[1 2 3 4 5 6]'''#######################数组的计算a = np.array([1,2,3])b = np.array([4,5,6])#加法c = a+bprint(c)'''[5 7 9]'''#减法d= a - bprint(d)'''[-3 -3 -3]'''#乘法e = a * bprint(e)'''[ 4 10 18]'''#求和f = np.array([(1,2,3),(4,5,6)])print(f.sum())'''21'''#按列求和print(f.sum(axis=0))'''[5 7 9]'''#按行求和print(f.sum(axis=1))'''[ 6 15]'''#最小值的值print(f.min())'''1'''#最小值的索引print(f.argmin())'''0'''#最大值的值print(f.max())'''6'''print(f.argmax())'''5'''#平均值print(f.mean())'''3.5'''#方差print(f.var())'''2.9166666666666665'''#标准差print(f.std())'''1.707825127659933'''############## 线性代数的运算#矩阵内积np.dot()#行列式np.linalg.det()# 逆矩阵np.linalg.inv()#多元一次方程组求根np.linalg.solve()#求特征值和特征向量np.linalg.eig()