Python疑难杂症（14）---Numpy知识集合（一），介绍Numpy的概念、创建、数组运算等内容，对于该模块有个初步的认识。

python的模块numpy（一）

NumPy模块是Python语言用于科学计算、机器学习、数据分析的核心程序包之一，提供了强大的数组对象和数学函数，它简化了向量和矩阵的操作处理，而。Python 的一些主要模块软件包象 scikit-learn、SciPy、pandas 和 tensorflow都以 NumPy 作为基础运算和架构部分。

数值计算：NumPy提供了高效的多维数组对象和一组用于操作这些数组的函数，使得进行数值计算变得更加高效和方便。它支持向量化操作和广播功能，可以在大规模数据集上进行快速数值计算，例如线性代数运算、傅里叶变换、随机数生成等。

NumPy主要的用途如下：

科学计算：NumPy是许多科学计算库的基础，它提供了高性能的数组操作和数学函数，使得科学计算任务更加简洁和高效。许多科学领域，如物理学、化学、生物学等，都可以使用NumPy进行数据处理和计算。

图像处理：NumPy可以用于图像处理任务，因为图像可以表示为多维数组。NumPy提供了各种功能，如图像的读取、保存和处理，包括图像的缩放、裁剪、旋转、滤波等操作。

机器学习：NumPy在机器学习领域也有广泛的应用。它作为Python中的数值计算库，为机器学习算法提供了高效的数据结构和操作。例如，可以使用NumPy数组存储和处理训练数据集、特征工程和模型评估等。

数值模拟和科学计算：NumPy提供了高效的数据结构和运算功能，用于数值模拟和科学计算。许多科学和工程领域使用NumPy来解决物理、化学、工程等领域的数值计算问题。

数组操作和索引：NumPy提供了广泛的数组操作和索引功能，可以对数组进行切片、索引、连接、重塑等操作。这使得在处理大规模数据集时更加高效和灵活。

模块导入：

Numpy是一个外置模块包，在使用前必须提前装入

import numpy as np

而numpy使用的基础是其建立了一个新的数据类型numpy类型,称为数组，其和list类表数据类型类似，但是和list有着本质的区别。

1、使用Array创建一维或者多维

numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)

Dtype:生成数组所需的数据类型。 

ndim:指定生成数组的最小维度数。

例如：一维

import numpy as np

arr1=np.array([1,2,3,4,5])

print(type(arr1))

arr1

输出：

<class 'numpy.ndarray'>

array([1, 2, 3, 4, 5])

多维：

np.array([[1,2],[3,4]])

输出：array([[1, 2],

       [3, 4]])

2、生成具有初始值的数组ones()、zeros() 和 random.random() 等方法

numpy.zeros(shape, dtype=float, order='C', *, like=None)

shape:阵列的形状。

Dtype:生成数组所需的数据类型。' int '或默认' float '

例如：

ar1=np.ones((3,2), dtype=int)

print(ar1)

ar2=np.zeros((4,3,2),dtype=float)

print(ar2)

ar3=np.random.random(4)

print(ar3)

输出：[[1 1]

 [1 1]

 [1 1]]

[[[0. 0.]

  [0. 0.]

  [0. 0.]]

 [[0. 0.]

  [0. 0.]

  [0. 0.]]

 [[0. 0.]

  [0. 0.]

  [0. 0.]]

 [[0. 0.]

  [0. 0.]

  [0. 0.]]]

[0.73037958 0.03280601 0.02007473 0.81910797]

3、数组运算

NumPy.array创建的数据这种类型，在计算时，可以简单的通过数组和数组(维数相同)、数组和常数之间直接运算（主要包括+、-、*、\）得到结果数据，就像单个数值运算那样简单,这个运算是算术运算，有别于矩阵运算。多维数组和一维数据运算，运算使用广播机制完成。

例如上面的三个数据，具体输出见前面内容

ar1=np.ones((3,2), dtype=int)

print(ar1)

ar2=np.zeros((4,3,2),dtype=float)

print(ar2)

ar3=np.random.random(4)

print(ar3)

进行运算结果如下：

ar1+ar2

输出：array([[[1., 1.],

        [1., 1.],

        [1., 1.]],

       [[1., 1.],

        [1., 1.],

        [1., 1.]],

       [[1., 1.],

        [1., 1.],

        [1., 1.]],

       [[1., 1.],

        [1., 1.],

        [1., 1.]]])

ar1+ar3

输出：ValueError                                Traceback (most recent call last)

<ipython-input-17-39c72b2b72e0> in <module>

----> 1 ar1+ar3

ValueError: operands could not be broadcast together with shapes (3,2) (4,)

此处报错，因为没有相同的维数。

和常数进行运算：

ar4=np.ones((3,2), dtype=int)

ar4

输出：array([[1, 1],

       [1, 1],

       [1, 1]])

ar4+6

输出：array([[7, 7],

       [7, 7],

       [7, 7]])

先介绍到这里，如果知识有用，欢迎评论、收藏、点赞等，也欢迎学习的小伙伴交流。