python学习笔记(一)NumPy

什么是 NumPy？

NumPy 是用于处理数组的 python 库。

NumPy 指的是数值 Python（Numerical Python）。

为何使用 NumPy？

在 Python 中，我们有**满足数组功能的列表，**但是处理起来很慢。
NumPy 中的数组对象称为 ndarray，它提供了许多支持函数，使得利用 ndarray 非常容易。
数组在数据科学中非常常用，因为速度和资源非常重要。

为什么 NumPy 比列表快？

NumPy 数组存储在内存中的一个连续位置，因此进程可以非常有效地访问和操纵它们.
这种行为在计算机科学中称为引用的局部性。

NumPy 代码库在哪里？

添加链接描述

安装 NumPy

如果您已经在系统上安装了 Python 和 PIP，那么安装 NumPy 非常容易。
请使用这条命令安装它：pip install numpy
如果此命令失败，请使用已经安装了 NumPy 的 python 发行版，例如 Anaconda、Spyder 等。

import numpy 

arr = numpy.array([1, 2, 3, 4, 5]) 

print(arr)
#[1 2 3 4 5]
#NumPy 通常以 np 别名导入。
import numpy as np
#检查 NumPy 版本
import numpy as np

print(np.__version__)

创建 NumPy ndarray 对象

import numpy as np 

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

print(arr)

print(type(arr))
#使用元组创建 NumPy 数组：
import numpy as np 
#注意：array里面放的是元组！
arr = np.array((1, 2, 3, 4, 5))

print(arr)

访问数组元素

NumPy 数组中的索引以 0 开头，这意味着第一个元素的索引为 0

import numpy as np

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

print(arr[0])
#访问二维数组
import numpy as np

arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])

print('2nd element on 1st dim: ', arr[0, 1])

NumPy 数组裁切

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7])

print(arr[1:5])
#结果包括了开始索引，但不包括结束索引。[2 3 4 5]
#裁切数组中索引 4 到结尾的元素：
import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7])

print(arr[4:])
#裁切从开头到索引 4（不包括）的元素：
print(arr[:4])
#负裁切
import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7])

print(arr[-3:-1])
#从索引 1 到索引 5，返回相隔的元素：
import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7])

print(arr[1:5:2])
#[2 4]
#返回数组中相隔的元素：
import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7])

print(arr[::2])
#[1 3 5 7]

注意：不传递 start，则将其视为 0，不传递 end，则视为该维度内数组的长度。不传递 step，则视为 1。