机器学习|深度学习|重磅推出---全网最全Numpy简明教程（一）

本教程面向初学者的Numpy简明教程，学好Numpy才能在深度学习、机器学习、AI等领域进军，如果感觉此文不错，欢迎和博主交流探讨

1、Numpy介绍

Numeric Python 数字的Python

NumPy系统是Python的一种开源的数值计算扩展

1. 一个强大的N维数组对象ndarray
2. 拥有比较成熟的函数库
3. 用于整合C/C++和Fortran代码的工具包
4. 可以实现线性代数、傅里叶变换和随机数生成函数
5. Numpy和稀疏矩阵运算包Scipy配合使用更加强大

Numpy主要用于数组的计算，主要应用于机器学习和深度学习领域，所有我们就有必要了解AI的本质是什么

现在的AI模型本质上是在进行数学运算
数学运算中主要是在做矩阵运算
在计算机中，最擅长做计算
矩阵的计算比较快，我们可以通过一定的方法，把生活中的事物，抽象成矩阵

Numpy中提供了一种数据类型：ndarray数组，nd—>n dimension n个维度
当然，在Python中，列表也是可以表示多维数组
但是，Python中列表存在缺陷：

1. 查询速度慢
   

2. 占用空间大

# 导入numpy库，并查看numpy版本  
# 为什么需要关注版本信息？  因为有些情况下，版本会出现不兼容情况  
import numpy as np  
print(np.__version__)  
  
# __sizeof__是Python提供的魔术方法，可以查看对象的占用内存  
lst1 = [i for i in range(10000)]  
print(lst1.__sizeof__())  
  
nd1 = np.array([i for i in range(10000)])  
print(nd1.__sizeof__())

单下划线开头：一般用于类内的私有属性或方法
双下划线开头：一般为Python内置的属性，不推荐你自己的代码使用双下划线开头
双下划线开头和单下划线结尾：Python内置的魔术方法或属性

2、创建ndarray数组

在创建ndarray数组之前，需要先导入Numpy这个包

import numpy as np  
print(np.__version__)  # 查看版本信息

创建ndarray数组可以使用：

1. 列表
2. routines函数 常规函数

2.1、np.array

# 导入numpy库，并查看numpy版本  
# 为什么需要关注版本信息？  因为有些情况下，版本会出现不兼容情况  
import numpy as np  
print(np.__version__)  
  
# 参数为一个列表  
nd1 = np.array([1, 2, 3])  
  
print(nd1, type(nd1))  
  
# 将ndarray转换为list  
lst1 = nd1.tolist()  
print(lst1,