Python Numpy基础教程

本文是一个关于Python numpy的基础学习教程，其中，Python版本为Python 3.x

什么是Numpy

Numpy = Numerical + Python，它是Python中科学计算的核心库，可以高效的处理多维数组的计算。并且，因为它的许多底层函数是用C语言编写的，所以运算速度敲快。

基础知识

ndarray

NumPy的主要对象是同类型的多维数组ndarray。它是一个通用的同构数据多维容器，所有的元素必须是相同类型的，并通过正整数元组索引。利用该对象可以对整块数据执行一些数学运算，语法和标量元素之间的运算一样。在NumPy中，维度称为轴，轴的数目为rank。

介绍一下ndarray常用的属性：

1. ndarray.shape：表示各个维度中数组的大小，是一个整数的元组
2. ndarray.dtype：描述数组中元素类型的对象
3. ndarray.ndim：数组中轴的个数
4. ndarray.size：数组元素的总数
5. ndarray.itemsize：数组中每个元素的字节大小

创建数组

创建数组通常有5种方式：

1. 由Python结构（list, tuple等）转换

创建数组最简单的办法就是使用array对象，它可以接受任何序列型的对象，然后产生一个新的含有传入数据的numpy数组（ndarray）。
举个最简单的例子：

import numpy as np

a = np.array([1, 2, 3])
print(a)
print(a.dtype)
print(a.shape)

2. 使用Numpy原生数组创建（arange, ones，zeros等）

如：

b = np.zeros(10)
c = np.ones((1, 2))

3. 从磁盘读取数组

使用np.load方法读取数据。

4. 使用字符串或缓冲区从原始字节创建数组

5. 使用特殊库函数（random等）

索引和切片

基础操作

一维数组中的索引表面看起来和Python list的功能差不多。

对于切片而言，当你将一个标量值赋值给一个切片时，该值会自动传播到整个选区，跟Python list最重要的区别在于：Numpy中数组的切片作用的是原始数据的视图，也就是数据没有被复制，所有的修改都会直接作用到源数据。这是因为，Numpy设计之初就是为了处理大