网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
-
🧥3.1.4 除法
-
🧥3.2 数组与数组的计算
-
- 💎3.2.1 广播原则
-
⚽3.2.2 加法
-
🏀3.2.2 减法
-
🏅3.2.2 乘法
-
💉3.2.2 除法
-
⚒结语
🐚作者简介： 苏凉（在python路上）
🐳博客主页： 苏凉.py的博客
👑名言警句： 海阔凭鱼跃，天高任鸟飞。
📰要是觉得博主文章写的不错的话，还望大家三连支持一下呀！！！
👉关注✨点赞👍收藏📂
=======================================================================
numpy通常可以和matplotlib一起使用。两者相结合可以更有效的帮助我们进行数据的分析。
接下来我们一起进入python的科学计算基础库numpy的学习吧。
前期回顾：matplotlib绘制数据可视化图形
=================================================================================
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：
1.一个强大的N维数组对象 ndarray
2.广播功能函数
3.整合 C/C++/Fortran 代码的工具
4.线性代数、傅里叶变换、随机数生成等功能
NumPy 通常与 SciPy（Scientific Python）Matplotlib（绘图库）一起使用， 这种组合广泛用于替代MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。
pip install numpy -i https://www.pypi.douban.com/simple
import numpy as np
=====================================================================================
注：Python 没有内置对数组的支持，但可以使用 Python 列表代替。
使用array的三种方法创建数组，返回的数组类名为numpy.ndarray类
a = np.array([5,6,7,8,9])
b = np.array(range(5,10))
c = np.arange(5,10)
print(a,type(a))
print(b,type(b))
print(c,type©)
结果：[5 6 7 8 9] <class ‘numpy.ndarray’>
使用dtype方法可以返回数据类型
print(a.dtype,b.dtype,c.dtype)
结果：int32 int32 int32
附：numpy中常见的数据类型：
🎎3.1 定义数据类型
使用dtype参数指定数据类型
x1 = np.array(range(5,10),dtype = ‘float’)
print(x1,x1.dtype)
结果： [5. 6. 7. 8. 9.] float64
bool类型返回true和false
x2 = np.array([0,1,1,0,1,0,1],dtype=bool)
print(x2,x2.dtype)
结果：[False True True False True False True] bool
🎐3.2 调整数据类型
调整数据类型用到astype方法，可以将原数据类型调整到我们想要的数据类型
x3 = np.array(range(5,10),dtype = ‘int8’)
x4 = x3.astype(‘int32’)
print(x3.dtype,x4.dtype)
结果：int8 int32
🎑3.3 保留n位小数
在numpy中保留n位小数用到的是round方法
例：保留3位随机小数
x5 = random.random()
x6 = np.round(x5,3)
print(x6)
结果：0.313
=============================================================================
数组分为一维数组，二维数组和多维数组。接下来就让我们一起看看在numpy中如何对数组进行操作的吧！！
shape()方法查看数组形状可以判断出这是几维数组
🎗1.1 创建一维数组
a = np.array(range(13))
print(a,a.shape)
结果：
🎠1.2 创建二维数组
a1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a1)
print(a1.shape)
结果：
🎡1.3 创建三维数组
a2 = np.array([[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]])
print(a2)
print(a2.shape)
结果：
可以看出shape方法返回的值中有多少个该数组就是几维数组。
在numpy中用reshape()方法修改数组的形状可以将n维数组修改到m维数组。
🎪2.1 将1维数组变为3维数组
a3= np.array(range(24))
print(a3.shape) #原a3为1维数组
a4 = a3.reshape(2,3,4)
print(a4)
print(a4.shape)
结果：
🎭2.2 将3维数组变到1维数组
a5 = a4.reshape(24,)
print(a5)
print(a5.shape)
结果：
在numpy中将多维数组变到1维数组还有一种方法，那就是flatten()方法，这种方法适用于我们不知道有多少个数组元素时使用。
a5 = a4.flatten()
print(a5)
print(a5.shape)
结果和上面相同。
🎰3.1 数组与数字的计算
🛒3.1.1 加法
数组内的每个元素都加上这个数。
import numpy as np
a = np.array(range(24))
b = a.reshape(4,6)
print(b)
print(b+1)
结果：
🧣3.1.2 减法
做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。
别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。
我先来介绍一下这些东西怎么用，文末抱走。
（1）Python所有方向的学习路线（新版）
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
最近我才对这些路线做了一下新的更新，知识体系更全面了。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
（4）200多本电子书
这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。
基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。
（5）Python知识点汇总
知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。
（6）其他资料
还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
