numpy学习笔记一

一、Numpy是什么

• 一个开源的Python科学计算库
• 可以方便的使用数组、矩阵进行计算
• 包含线性代数、傅里叶变换、随机数生成等大量函数

二、为什么使用Numpy

• 代码更简洁：Numpy直接以数组、矩阵为粒度计算并且支持大量数学函数，而Python需要用for循环从底层实现。

• 性能更高效：Numpy的数组存储效率和输入输出计算性能比Python使用list或者嵌套List好很多

• Numpy的数据存储和Python原生的list是不一样的
• Numpy的大部分代码都是C语言，这是Numpy比纯Python代码高效的原因

Numpy是Python各种数据科学类库的基础库

• 比如SciPy、Scikit-Learn(机器学习)、Tensorflow、PaddlePaddle(深度学习)

三、Numpy的核心array对象及创建方法

• numpy的array对象
  • 优于List, array包含数组元数据信息，大量的便捷函数
  • array数组元素的数据类型必须一致
• 创建array的方法
  • 从Python的列表List和嵌套列表创建array

• 预定义函数创建： arange、ones/ones_like、zeros/zeros_like、empty/empty_like、full/full_like、eye等函数创建
  • arange：创建数字序列

arange(start, stop, step)

• ones/ones_like： 创建全是1的数组，（元素默认是浮点数）

• ones(shape,dtype,order)/ones_like(),order可选'C'/'F'行优先/列优先

• zeros/zeros_like：与ones类似

• empty/empty_like：empty的数据未初始化，元素为随机数，默认是浮点数0，若指定数据类型，则元素为任意随机数

• full/full_like： 创建指定元素的array数组

• 生成随机数的np.random模块构建

• array属性
  • shape：返回一个元组，表示array维度（形状）

• ndim：一个数字，表示array维度的数目

• size：一个数字，表示array中所有数据元素的数目

• dtype：array中元素的数据类型

• array本身支持大量操作和函数