Lawliet|Python学习笔记——numpy库

1.numpy库认知

• Numpy：表达N维数组的最基础库
• 库由c语言实现，Python来接口使用，计算速度优异
• 是Python数据分析及科学计算的基础库，支撑Pandas等
• 提供直接的矩阵运算、广播函数、线性代数等功能

2.numpy库的安装

Windows+R——cmd——输入如下命令：

pip install numpy

前提：所使用的python版本中配置了pip工具，在python3.9中会自动配置

3.numpy库的功能

• ndarray：一个具有矢量（向量）算术运算和复杂广播能力的快速且节省空间的多维数组
• 用于对数组数据进行快速运算的标准数学函数（无需编写循环）
• 线性代数、随机数生成以及傅里叶变换功能
• 用于读写磁盘数据的工具

4.numpy-ndarray对象

a.ndarray概念、特点

• 是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

• ndarray 对象是用于存放同类型元素的多维数组。

• ndarray 中的每个元素在内存中都有相同存储大小的区域。

• ndarray数组中实现了成熟的广播机制，矩阵运算时不需要写for循环

• ndarray 内部由以下内容组成：
  （1）一个指向数据（内存或内存映射文件中的一块数据）的指针。 数据类型或 dtype，描述在数组中的固定大小值的格子。
  （2）一个表示数组形状（shape）的元组，表示各维度大小的元组。
  （3）一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

创建一个ndarray：

import numpy
numpy.array(object,dtype=None,copy=True,order=None,subok=False,ndmin=0）

参数描述：

b.ndarray的属性

（1）.ndim秩

如图：维度称为轴，轴的个数为秩（rank）

（2）.shape维度

一维数组：（M， ）
二维数组：（M，N）
三维数组：（K，M，N）

（3）.size个数

数据元组的总个数
一维数组：M
二维数组：MN
三维数组：MN*K

（4）.dtype数据类型

用于描述与数组对应的内存区域是如何使用——
·其描述了数据的

• 类型（见c中表格）
• 大小（存储所用空间）
• 字节顺序¹
• 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分
• 如果数据类型是子数组，那么其形状和数据类型为何

#dtype对象的语法构造：
numpy.dtype(object,align,copy)

• dtype内容
• object - 要转换为的数据类型对象
• align - 如果为 true，填充字段使其类似 C 的结构体。
• copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用

（5）创建数组的方式

array方式创建

import numpy as np
array1=np.array([1,2,3])
array1
#------>array([1,2,3])
array2=np.array([(1,2,3),(4,