NumPy基本使用（一）

NumPy简介：

NumPy是 Python 语言的一个扩展程序库，主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。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。

NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。

NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。这类数值计算广泛用于以下任务：

•     机器学习模型：在编写机器学习算法时，需要对矩阵进行各种数值计算。例如矩阵乘法、换位、加法等。NumPy提供了一个非常好的库，用于简单(在编写代码方面)和快速(在速度方面)计算。NumPy数组用于存储训练数据和机器学习模型的参数。
•     图像处理和计算机图形学：计算机中的图像表示为多维数字数组。NumPy成为同样情况下最自然的选择。实际上，NumPy提供了一些优秀的库函数来快速处理图像。例如，镜像图像、按特定角度旋转图像等。
•     数学任务：NumPy对于执行各种数学任务非常有用，如数值积分、微分、内插、外推等。因此，当涉及到数学任务时，它形成了一种基于Python的MATLAB的快速替代。

NumPy的安装：

在计算机上安装NumPy的最快也是最简单的方法是在shell上使用以下命令：pip install numpy。

另外可以通过下载安装包实现离线安装：https://pypi.org/project/numpy/#files 在这里找到适合本机python版本的库，下载后安装即可

NumPy的初步使用

1. NumPy中的数组

NumPy提供的最重要的数据结构是一个称为NumPy数组的强大对象。NumPy数组是通常的Python数组的扩展。NumPy数组配备了大量的函数和运算符，可以帮助我们快速编写上面讨论过的各种类型计算的高性能代码。以下为一维数组：

import numpy as np
arr = np.array([1,2,3,4,5])
print arr
print type(arr)
print arr.shape
print arr[1]
arr[-1] = -1
print arr

>>>[1 2 3 4 5]
>>><type 'numpy.ndarray'>
>>>(5,)
>>>2
>>>[1 2 3 4 -1]

说明：1.可以通过shape属性获取我们创建的数组的形状：(5,)。这表明arr是一个包含5个元素的数组。

             2.我们也可以打印各个元素。就像普通的Python数组一样，NumPy数组的起始索引编号为0。

             3.类似于python列表赋值一样给数组赋值

我们要创建一个长度为5的NumPy数组，但所有元素都为0，NumPy提供了一种简单的方法来做同样的事情。

import numpy as np
barr = np.zeros((5))
carr = np.ones((3,3))
print barr
print carr

>>>[0. 0. 0. 0. 0.]
>>>[[1. 1. 1.]
    [1. 1. 1.]
    [1. 1. 1.]]

说明：传入一个参数以获取一个一维数组，传入两个参数获取一个二维数组