【python】numpy库

---

简单介绍

NumPy（Numerical Python的简称）是Python数值计算最重要的基础包。大多数提供科学计算的包都是用NumPy的数组作为构建基础。

• NumPy是在一个连续的内存块中存储数据，独立于其他Python内置对象。NumPy的C语言编写的算法库可以操作内存，而不必进行类型检查或其它前期工作。比起Python的内置序列，NumPy数组使用的内存更少。
• NumPy可以在整个数组上执行复杂的计算，而不需要Python的for循环。
• 基于NumPy的算法要比纯Python快10到100倍（甚至更快），并且使用的内存更少。

---

功能示例代码

1. ndarray：一种多维数组对象
   ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。每个数组都有一个shape（一个表示各维度大小的元组）和一个dtype（一个用于说明数组数据类型的对象）：
   2. 创建ndarray
   
   

2. 数据类型astype()方法明确地将一个数组从一个dtype转换成另一个dtype
   
   【调用astype总会创建一个新的数组（一个数据的备份），即使新的dtype与旧的dtype相同。】

3. 运算
   大小相等的数组之间的任何算术运算都会将运算应用到元素级：
   

4. 基本的索引和切片

（1）一维数组

跟列表最重要的区别在于，数组切片是原始数组的视图。这意味着数据不会被复制，视图上的任何修改都会直接反映到源数组上：
（2）高维数组

二维数组的索引方式：轴0作为行，轴1作为列


（3）布尔型索引

常用：将data中的所有负值都设置为0
还有其他的都可以利用

5. 数组转置和轴对换

转置是重塑的一种特殊形式，它返回的是源数据的视图（不会进行任何复制操作）

6. 利用np.dot计算矩阵内积：

通用函数

7. 利用数组进行数据处理

numpy.where(condition, x, y)是三元表达式x if condition else y

用于布尔型数组的方法：

8. 排序

9. 唯一化以及其它的集合逻辑
   NumPy提供了一些针对一维ndarray的基本集合运算。最常用的可能要数np.unique了，它用于找出数组中的唯一值并返回已排序的结果：
   等价于：

sorted(set(names))

函数np.in1d用于测试一个数组中的值在另一个数组中的成员资格，返回一个布尔型数组：

10. 用于数组的文件输入输出
    np.save和np.load是读写磁盘数组数据的两个主要函数。默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为.npy的文件中的：

arr = np.arange(10)
np.save('some_array', arr)

arr_save = np.load('some_array.npy')

通过np.savez可以将多个数组保存到一个未压缩文件中，将数组以关键字参数的形式传入即可：

np.savez('array_archive.npz', a=arr, b=arr2)

arch = np.load('array_archive.npz')
arr2_save = arch['b']

11. 线性代数
    后面用到在看：
    
12. 伪随机数生成

我们说这些都是伪随机数，是因为它们都是通过算法基于随机数生成器种子，在确定性的条件下生成的。你可以用NumPy的np.random.seed更改随机数生成种子：np.random.seed(1234)

---