Python学习笔记（一）：Numpy库（上）

前言

Numpy 是 Python 专门处理高维数组计算的包。直接pip install numpy进行安装，或者安装Anaconda，其中含有大量的机器学习和数据相关的Python模块。如果在安装或者学习过程中出现什么问题的话可以进入Numpy官网查看相关信息。在使用Numpy库之前首先我们要引用它：

import numpy as np

因为每次使用Numpy中的方法或函数都要写numpy字数有点多，所以我们可以用np作为别名。

---

之所以要额外引入数组这一种数据结构在于它的计算效率非常高。下面是对数组和列表每个元素进行平方的运算速度对比：

先随机生成大小为10000000的数组和列表：

Array = np.arange(10000000)
List = list(range(10000000))

然后分别对其中的每个元素进行平方处理：

start1 = t.perf_counter()
Array = Array ** 2
end1 = t.perf_counter()
print("数组平方用时为{:4f}s".format(end1 - start1))

start2 = t.perf_counter()
for i in List:
    i = i ** 2
end2 = t.perf_counter()
print("列表平方用时为{:4f}s".format(end2 - start2))

得到结果：

数组平方用时为0.021923s
列表平方用时为2.955364s

所以我们可以看出二者的运算速度相差了上百倍，所以numpy数组显然更适合做数值运算。

---

一、ndarray数组对象

1、数组的初步认识

NumPy 最重要的一个特点是其 n 维数组对象 ndarray，它是一系列同类型数据的集合所组成数据结构，以 0 下标为开始进行集合中元素的索引。ndarray 数组中的元素用的最多是数值型元素，平时我们说的一维、二维、三维数组长下面这个样子 (对应着线、面、体)。

axis，中文叫轴，一个数组是多少维度就有多少根轴。 Python 计数都是从 0 开始的，如下图：

2、数组的创建

（1）由python中的列表和元组等数据类型创建

这种方法主要用到np.array()函数,参数里面是元组或者列表都可以：

a = np.array([[2,3,4,7,5],[4,8,5,7,2]])   
b = np.array(((1,2,5,3,7),(3,7,2,9,5)))
print("a=\n{}\n".format(a))
print("b=\n{}\n".format(b))

a=
[[2 3 4 7 5]
 [4 8 5 7 2]]

b=
[[1 2 5 3 7]
 [3 7 2 9 5]]

元组或列表混着来也可以:

c = np.array([(1,3,7,5,2),[2,7,4,9,6]])
print("c=\n{}\n".format(c))

c=
[[1 3 7 5 2]
 [2 7 4 9 6]]

（2）定隔定点创建

这种创建方式一共有两种函数：

• np.arange()：固定元素大小间隔
• np.linspace()：固定元素个数

---

np.arange()函数的定义如下：

numpy.arange(start, stop, step, dtype)

参数说明：

参数	说明
start	起始值，默认为0
stop	终止值（不能为空且不包括）
step	步长，默认为1
dtype	返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。

下面是具体例子：

d1 = np.arange(5)
d2 = np.arange(2,5)
d3 = np.arange(2,8,2)
print("d1=\n{}\n".format(d1))
print("d2=\n{}\n".format(d2))
print("d3=\n{}\n".format(d3))

d1=
[0 1 2 3 4]

d2=
[2 3 4]

d3=
[2 4 6 8]

---

np.linspace()函数的定义如下：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

参数说明：

参数	说明
start	序列的起始值
stop	序列的终止值，如果endpoint为true，该值包含于数列中
num	要生成的等步长的样本数量，默认为50
endpoint	该值为 true 时，数列中包含stop值，反之不包含，默认是True。
retstep	如果为 True 时，生成的数组中会显示间距，反之不显示。
dtype	返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。

下面是具体例子：

d4 = np.linspace(1,100,8)
d5 = np.linspace(1,100,8,endpoint=False)
print("d4=\n{}\n".format(d4))
print("d5=\n{}\n".format(d5))

d4=
[  1.          15.14285714  29.28571429  43.42857143  57.57142857  71.71428571  85.85714286 100.        ]

d5=
[ 1.    13.375 25.75  38.125 50.5