NumPy简介

NumPy是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API

NumPy包的核心是 ndarray 对象。它封装了python原生的同数据类型的 n 维数组，为了保证其性能优良，其中有许多操作都是代码在本地进行编译后执行的

NumPy数组 和 原生Python Array（数组）之间有几个重要的区别：

1. NumPy 数组在创建时具有固定的大小，与Python的原生数组对象（可以动态增长）不同。更改ndarray的大小将创建一个新数组并删除原来的数组
2. NumPy 数组中的元素都需要具有相同的数据类型，因此在内存中的大小相同。 例外情况：Python的原生数组里包含了NumPy的对象的时候，这种情况下就允许不同大小元素的数组
3. NumPy 数组有助于对大量数据进行高级数学和其他类型的操作。通常，这些操作的执行效率更高，比使用Python原生数组的代码更少

为什么NumPy这么快？基于C进行构建的

NumPy基础

NumPy数组对象

简介

NumPy中的ndarray是一个多维数组对象，该对象由两部分组成：

1. 实际的数据
2. 描述这些数据的元数据

大部分的数组操作只会修改元数据部分，而不会改变底层的实际数据

NumPy数组一般是同质的，即数据中的元素类型必须是一致的（也有例外情况，不过常用的是同质）

创建数组对象

创建一维数组

import numpy as np
a = np.arange(5)
print('a -> ', a)
print('dtype -> ', a.dtype)
print('shape -> ', a.shape)

创建多维数组

import numpy as np
a = np.array([np.arange(2), np.arange(2)])
print('a -> ', a)
print('dtype -> ', a.dtype)
print('shape -> ', a.shape)

选取数组元素

import numpy as np
a = np.array([np.arange(2), np.arange(2)])
print("a[0][1] -> ", a[0][1])
# 也可以直接通过逗号的形式进行维度分割
print("a[1][1] -> ", a[1, 1])

NumPy支持的数据类型

每一种类型都有对应的类型转换函数，常见的如：int()、float()、bool()、float64()等等

字符编码

NumPy还支持通过字符编码的形式指定元素的数据类型，这是为了兼容NumPy的前身Numeric

使用示例

import numpy as np
a = np.array(np.arange(2), dtype='f')
print(a.dtype)

也可以通过dtype对象获取数据类型的字符编码：

import numpy as np
a = np.array(np.arange(2), dtype='f')
adtype = a.dtype
# 获取对应的字符编码
print('char -> ', adtype.char)
# 获取对应的类型名称
print('type -> ', adtype.type)

NumPy函数大全

import numpy as np

生成函数

矩阵函数

一元计算函数

多元计算函数

文件读写函数

NumPy.random

NumPy.linalg

ndarray

ndarray简介

ndarray对象是用于存放同类型元素的多维数组，是numpy中的基本对象之一，另一个是func对象

ndarray 内部由以下内容组成：

1. 一个指向数据（内存或内存映射文件中的一块数据）的指针；
2. 数据类型或 dtype，描述在数组中的固定大小值的格子；
3. 一个表示数组形状（shape）的元组，表示各维度大小的元组；
4. 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要”跨过”的字节数

ndarray常用属性列表

ndarray常用函数列表

基本函数

计算函数

排序函数

ndarray索引/切片方式