从零开始的numpy世界O.o

NumPy（Numerical Python）是Python的⼀种开源的数值计算扩展。提供多维数组对象，各种派⽣对象（如掩码数组和矩阵），这种⼯具可⽤来存储和处理⼤型矩阵，比Python自身的嵌套列表（nested list structure)结构要⾼效的多（该结构也可以⽤来表示矩阵（matrix）），⽀持⼤量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库，包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等

一.Numpy的安装

 首先，确保你已经安装了Python。然后，使用以下命令安装NumPy：

pip install numpy

二. NumPy的导入

在pycharm等运行脚本里导入numpy：

import numpy as np

 三.Numpy的基础操作

1.创建数组

import numpy as np
a = [1,2,3,4,5]          # 列表
arr = np.array(a)        # 将列表转换为NumPy数组
print(arr)               # 数据⼀样，NumPy数组的⽅法，功能更加强⼤
# 输出为
# array([1,2,3,4,5])

或者

import numpy as np
data = np.array()

2.观察属性

print(arr.shape)    # 输出数组形状
print(arr.ndim)     # 输出数组维度
print(arr.dtype)    # 输出数组数据类型
print(arr.size)     # 查看数组中的元素数量
print(arr.itemsize) # 查看一个数组元素的长度

 3.索引、切片与运算

arr = np.array([0, 1, 2, 3, 4, 5])
print(arr[2])     # 输出索引为2的元素
print(arr[1:4])   # 输出索引为1到3的元素

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b)      # 数组相加
print(a * 2)      # 数组乘以标量

4.常用函数

arr = np.array([1, 2, 3, 4])
print(np.sum(arr))     # 求和
print(np.mean(arr))    # 平均值
print(np.max(arr))     # 最大值

四、高阶功能

1.创建只含0或1的数组

one = np.ones([index, columns]) 	#生成index行,columns列且所有元素都为1的数组
zero = np.zeros([index, columns])	#生成index行,columns列且所有元素都为0的数组
ones = np.ones_like(ndarray) 		#生成一个行数和列数都与ndarry相同的且所有元素均为1的数组
zeros = np.zeros_like(ndarray) 		#生成一个行数和列数都与ndarry相同的且所有元素均为0的数组

2.生成随机数

先导入random

import random

正态分布，有三种：

np.random.randn(d0,d1,d2,……,dn)                    #从标准正态分布中返回一个或多个样本值
np.random.normal(loc = 0.0,scale = 1.0,size = None)#分别代表均值，标准差以及shape
np.random.standard_normal(size = None)             #返回指定形状的数组

均匀分布也有三种：

np.random.rand(d0,d1,d2,……,dn)                             #返回[0.0,1.0)内的一组均匀分布的数
np.random.uniform(low = 0.0,high = 1.0,size = None)        #返[0.0,1.0]中均匀分布的数
np.random.randint(low, high = None,size = None,dtype = 'i')
#从一个均匀分布中随机采样，生成一个整数或N维整数数组