Numpy：开源的科学计算库

前言：

我们为什么要使用Numpy，它都有什么优势？
（1）Nnmpy提供了很多高端的函数，可以对数组和矩阵进行复杂的运算，比直接使用Python语言编码更高效，
（2）Numpy有超过10年的历史，核心算法经过了非常长的时间和很多人的验证，非常稳定。
（3）Numpy的核心算法都是由C语言编写，执行效率更高，
（4）Numpy的扩展性非常好，可以很容易集成到其他的语言中，
（5）Numpy是开源免费的，有广泛的社区支持。
（6）Python + Numpy = Matlab

1、NumPy简介

NumPy是Python科学计算的扩展包，是进行大量数学和科学计算基础，是科学计算、深度学习等高端邻域的必备工具，使用TensorFlow、Caffe框架训练神经网络模型时，需要进行大量复杂的运算，可以直接调用Numpy里的API。

✿ 当存在大量的多维数组、大型矩阵时，numpy的处理效果非常好。它包含的内容如下：

• 一个强大的N维数组对象

• 复杂的（广播）功能

• 用于集成C / C ++和Fortran代码的工具

• 有用的线性代数，傅里叶变换和随机数功能

2、基础知识

NumPy的主要对象是同质多维数组（ndarray，是N-demensional array的缩写）。它是一个元素表（通常是数字），元素数量是事先准备好的，所有元素类型都相同，由非负整数元组索引。数组的维度和元素数量由数组的型（shape）来确定shape由n个正整数组成的元组来指定，元组的每个元素对应每个维度数组的大小，元素数量为元组的元素积。在NumPy中维度称为轴（axis），轴的数量称为秩（rank）。另外，ndarray的大小是不可改变的。
1、定义ndarry
使用array()函数定义，以python列表作为参数
（1）创建一维数组

### 数组与列表是不同的，array()函数可以把列表转换为数组
>>> import numpy as np
>>> a = np.array([1,3,5,7])
>>> print(a)
[1 3 5 7]
>>> print(a*2)
[ 2  6 10 14]

（2）创建多维数组

>>> b=np.array([[1,2,3],[4,5,6]])
>>> print(b)
[[1 2 3]
 [4 5 6]]

（3）指定维度来创建多维数组

>>> c = np.array([1,2,3,4],ndmin=3)
>>> print(c)
[[[1 2 3 4]]]

（4）指定类型创建数组

>>> d = np.array([[1,2,3],[3,4,5]],dtype = complex)
>>> print(d)
[[1.+0.j 2.+0.j 3.+0.j]
 [3.+0.j 4.+0.j 5.+0.j]]