Numpy入门

Numpy是Python中科学计算的基础软件包。它提供了多维数组，多种派生对象以及用于快速操作数组的函数和API。它包括数学、逻辑、数组形状变换、排序、选择、I/O、离散傅立叶变换、基本线性代数、基本统计运算、随机模拟等。

Numpy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辑后执行的。

Numpy数组与标准的python-array之间的区别：

numpy数组在创建时候即具有固定的大小，更改ndarray的大小将创建一个新的数组并删除原来的数组；而python-array的原生数组对象可动态增长；
ndarray的元素需要是相同的数据类型，因此在内存中的大小相同。（有例外：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）；
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。

Numpy的主要对象是同类型的多数组。

# 2个轴，第一个轴的长度为2，第二轴的长度为3
[[ 1., 0., 0.],
[ 0., 1., 2.]]

ndarray.ndim：数组的轴(维度)个数，在Python世界中，维度的数量被称为rank
ndarray.shape：数组的维度。返回值是一个整数的元组。n行m列，(n,m)
ndarray.size: 数组元素的总和，等于shape的元素的乘积
ndarray.dtype: 返回元素类型。例如numpy.int32,numpy.int16,numpy.float64
ndarray.itemsize：数组中每个元素的字节大小。元素为 float64 类型的数组的 itemsize 为8（=64/8），而 complex32 类型的数组的 itemsize 为4（=32/8）。它等于 ndarray.dtype.itemsize
ndarray.data：该缓冲区包含数组的实际元素。

zeros:创建由0构建的数组，例如np.zeros((3,4))
ones:创建由1构建的数组，例如np.ones((1,2,3),dtype=np.int16)
empty:创建的内容是随机的并取决于存储器的状态。默认情况下创建的dtype是float64
arange:三个参数，前闭后开，第三个步长，默认步长为1.
linspace：当 arange 与浮点参数一起使用时，由于浮点数的精度是有限的，通常不可能预测获得的元素数量。出于这个原因，通常最好使用函数 linspace ，它接收我们想要的元素数量而不是步长作为参数

其他

array, zeros, zeros_like, ones, ones_like, empty, empty_like, arange, linspace, numpy.random.rand, numpy.random.randn, fromfunction, fromfile

数组上的算术运算符使用元素级别。一个新的数组被创建并填充结果。

a = np.array([1,2,3,4])
b = np.arange(4)
print(a-b)//[1 1 1 1]

python开源数值计算库numpy学习