這篇文章主要介紹了python numpy庫(kù),numpy是一個(gè)開(kāi)源的python科學(xué)計(jì)算擴(kuò)展庫(kù)，主要用來(lái)處理任意維度數(shù)組和矩陣。相同的任務(wù)，使用numpy比直接用python的基本數(shù)據(jù)結(jié)構(gòu)更加簡(jiǎn)單高效,下面一起進(jìn)入文章了解更多詳細(xì)內(nèi)容吧

目錄

• 1.NumPy( Numeric Python)

• 2.numpy的引用

• 3.Ndarray

• 引入n維數(shù)組的意義

• ndarray的組成

• ndarray對(duì)象的屬性

• 3.數(shù)據(jù)類(lèi)型

• ndarray數(shù)組的創(chuàng)建

• adarray數(shù)組的變換

• ndarray數(shù)組運(yùn)算

• 4.索引與切片

• 5.隨機(jī)數(shù)函數(shù)

• 6.統(tǒng)計(jì)函數(shù)

• 7.梯度函數(shù)

• 8.副本與視圖

• numpy線(xiàn)性代數(shù)

• 數(shù)組與標(biāo)量之間的運(yùn)算

• 常用numpy.linalg函數(shù)總結(jié)

1.NumPy( Numeric Python)

numpy是一個(gè)開(kāi)源的python科學(xué)計(jì)算擴(kuò)展庫(kù)，主要用來(lái)處理任意維度數(shù)組和矩陣。
相同的任務(wù)，使用numpy比直接用python的基本數(shù)據(jù)結(jié)構(gòu)更加簡(jiǎn)單高效。

它的功能：

• 包含一個(gè)強(qiáng)大的N維數(shù)組對(duì)象Ndarray

• 廣播功能函數(shù)

• 整合C/C++代碼的工具

• 線(xiàn)性代數(shù)、傅里葉變換、隨機(jī)數(shù)生成等功能

numpy是scipy,pandas等數(shù)據(jù)處理或科學(xué)計(jì)算庫(kù)的基礎(chǔ)

2.numpy的引用

雖說(shuō)別名可以省略或者更改，但盡量使用上述約定的別名

3.Ndarray

n維數(shù)組，它是一個(gè)相同數(shù)據(jù)類(lèi)型的集合，以0為下標(biāo)開(kāi)始進(jìn)行集合中元素的索引。
我們知道，python有列表和數(shù)組此類(lèi)的數(shù)據(jù)結(jié)構(gòu)。

列表：數(shù)據(jù)類(lèi)型可以不同（如[3, 2.4 ,'a’ ,“abc”]），數(shù)據(jù)是有序的
數(shù)組：數(shù)據(jù)類(lèi)型相同(如[1，2，3，4])
集合： （如{2，4，3，5，7}）數(shù)據(jù)是無(wú)序的

引入n維數(shù)組的意義

觀(guān)察下列兩組操作，其功能都是一樣的。

import numpy as np

def pysum():
    a = [1, 2, 3, 4]
    b = [5, 6, 7, 8]
    c = []
    for i in range(len(a)):
        c.append(a[i]**2+b[i]**3)
    return c

def numpysum():
    a = np.array([1, 2, 3, 4])
    b = np.array([5, 6, 7, 8])
    c = a**2+b**3
    return c

print("使用列表運(yùn)算的結(jié)果是：", pysum())
print("使用Numpy運(yùn)算的結(jié)果是：", numpysum())

運(yùn)行結(jié)果：

使用列表運(yùn)算的結(jié)果是： [126, 220, 352, 528]
使用Numpy運(yùn)算的結(jié)果是： [126 220 352 528]

但是很明顯：

• numpy的數(shù)組對(duì)象可以去掉元素建運(yùn)算所需要的循環(huán)，使一維向量更像單個(gè)數(shù)據(jù)

• numpy通過(guò)設(shè)立專(zhuān)門(mén)的數(shù)組對(duì)象，經(jīng)過(guò)優(yōu)化，運(yùn)算速度也相應(yīng)提升

通常情況下，在科學(xué)運(yùn)算中，一個(gè)維度所有數(shù)據(jù)的類(lèi)型往往相同，這時(shí)，使用數(shù)組對(duì)象采用相同的數(shù)據(jù)類(lèi)型，有助于節(jié)省運(yùn)算時(shí)間和存儲(chǔ)空間

ndarray的組成

• 實(shí)際的數(shù)據(jù)

• 描述這些數(shù)據(jù)的元數(shù)據(jù)（數(shù)據(jù)維度、數(shù)據(jù)類(lèi)型等）

ndarray對(duì)象的屬性

3.數(shù)據(jù)類(lèi)型

當(dāng)np.array()不指定dtype時(shí)，numpy將根據(jù)數(shù)據(jù)情況關(guān)聯(lián)一個(gè)dtype類(lèi)型

• ndarray支持多種數(shù)據(jù)類(lèi)型的原因

• python基本語(yǔ)法只支持整數(shù)、浮點(diǎn)數(shù)和復(fù)數(shù)3種類(lèi)型

• 科學(xué)計(jì)算涉及數(shù)據(jù)較多，對(duì)存儲(chǔ)和性能都有較高要求

• 對(duì)元素類(lèi)型精細(xì)定義，有助于numpy合理使用存儲(chǔ)空間并優(yōu)化性能

• 對(duì)元素類(lèi)型精細(xì)定義，有助于程序員對(duì)程序規(guī)模有合理評(píng)估

ndarray數(shù)組的創(chuàng)建

import numpy as np
x = np.array([[1, 0], [2, 0], [3, 1]], np.int32)
print(x)
print(x.dtype)

程序輸出：

[[1 0]
 [2 0]
 [3 1]]
int32

adarray數(shù)組的變換

ndarray數(shù)組運(yùn)算

4.索引與切片

• 索引：獲取數(shù)組中特定位置元素的過(guò)程

• 切片：獲取數(shù)組元素子集的過(guò)程

5.隨機(jī)數(shù)函數(shù)

6.統(tǒng)計(jì)函數(shù)

7.梯度函數(shù)

8.副本與視圖

numpy線(xiàn)性代數(shù)

數(shù)組與標(biāo)量之間的運(yùn)算

常用numpy.linalg函數(shù)總結(jié)

（好家伙，numpy內(nèi)置函數(shù)太多了…）