Numpy

• NumPy是Numeric Python的简称
• NumPy是Python科学计算的基础工具包
• NumPy是Python数值计算扩展，专门用于处理矩阵，其运算效率比列表更高效。

查看是否安装

$ pip list | grep numpy
numpy                              1.20.3
numpydoc                           1.1.0

$ pip install numpy

import numpy as np
print(np.__version__)

数组

• NumPy的数据结构是n维的数组对象(ndarray)，Python的list虽然也能表示但不高效，随着列表数据的增加效率会降低。

Python本身执行是慢的，因为会执行很多复杂的check功能，而调用NumPy时其实调用调用的是C语言而非Python。NumPy其实是C的逻辑，例如创建存储容器array是会寻找内存上一连串区域来存放，而Python存放的原则是不连续的区域。这使得Python在索引容器中的数据时不会那么高效。Numpy只需要在固定的连续区域前后游走就能拿到数据。

NumPy通常不是用一个一维数组来存放数据，而是用二维或三维的块来存放，NumPy快速的矩阵相乘运算，能将乘法运算分配到计算机的多核上来并行运算来加速运算速度。

数据对象

NumPy中主要的数据对象是具有相同数据类型的多维数组，所有元素都具有相同数据类型，通过一个正整数元素索引的元素表格，通常元素是数字。

NumPy中维度(dimensions)叫做轴(axies)，轴的个数称为秩(rank)。

例如：

[1, 2, 3]

3D空间中的一个点的坐标[1, 2, 3]是一个秩为1的数组(一个维度)，它只有一个轴。轴的长度为3。

例如：

[[1., 0., 0.], [0., 1., 2.]]

数组的秩为2，具有两个维度，第一个维度长度为2，第二个维度长度为3。

NumPy的数组成为ndarray，与标准Python类库array.array不同。

ndarray对象属性

属性	描述
ndarray.ndim	数组的轴数
ndarray.shape	数组的维度
ndarray.size	数组元素总个数
ndarray.dtype	数据中元素类型的对象
ndarray.itemsize	数组中每个元素的字节大小
ndarray.data	实际数组元素的缓冲区

例如：

from numpy import *
arr = arange(15).reshape(3, 5)
print(arr)

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]

print(arr.ndim) # 2
print(arr.shape) # (3, 5)
print(arr.dtype.name) # int32
print(arr.itemsize) # 4
print(arr.size) # 15
print(type(arr)) # <class 'numpy.ndarray'>

创建数组

使用NumPy中的array函数将系统自带的列表list转换成为NumPy中的数组，嵌套列表会被转换为多维数组(矩阵)。

import numpy as np

lst = [[1, 3, 5], [2, 4, 6]]
arr = np.array(lst)

array([
  [1, 3, 5],
  [2, 4, 6]
])

NumPy中array数组内部的元素必须为相同类型，可使用dtype指令查看类型。

import numpy as np

lst = [[1, 3, 5], [2, 4, 6]]
arr = np.array(lst)
arr.dtype

dtype('int32')

通常数组元素开始都是未知的，但大小已知。因此NumPy使用占位符创建数组的函数。

函数	描述
zeros()	创建元素全是0的数组
ones()	创建元素全是1的数组
empty()	创建内容随机且以来内存状态的数组

例如：

from numpy import *
print( zeros( (3,4) ) )
print( ones( (2,3,4), dtype=int16 ) )
print( empty( (2,3) ) )

创建数列

• NumPy提供了类似arange函数用于返回数组而非列表

from numpy import *
arange( 10, 30, 5 )

array([10, 15, 20, 25])

数组计算

• 数组计算无需循环即可批量运算

import numpy as np
lst = [[1, 3, 5], [2, 4, 6]]
arr = np.array(lst)
print(arr)
print(arr + 1)
print(arr - 1)
print(arr * 2)
print(arr * arr)

[[1 3 5]
 [2 4 6]]

[[2 4 6]
 [3 5 7]]

[[0 2 4]
 [1 3 5]]

[[ 2  6 10]
 [ 4  8 12]]

[[ 1  9 25]
 [ 4 16 36]]

数组赋值

• 数组索引和列表相同，可通过方括号[]和数字选择，也可直接赋值。

import numpy as np
lst = [[1, 3, 5], [2, 4, 6]]
arr = np.array(lst)

print(arr[1])

print(arr[1][1])

print(arr[-1:])

arr[0] = [10, 30, 50]
print(arr[0])

[2 4 6]
4
[[2 4 6]]
[10 30 50]