Numpy中的数据

python很方便，但也会很慢。不过它允许你访问执行用C等语言写的代码的库。Numpy就是这样一个库：它为python中的数学运算提供了一个更快速的替代方案，可以与数字组高效搭配使用，如矩阵。Numpy 是一个很大型的库。

1.导入Numpy

import numpy as np

之后就可以给函数和类型名称加上前缀np.来使用该库。

2.数据类型和形状

Numpy中处理数字的常见方式是通过ndarray对象。它们与python列表相似，但是可以有任意数量的维度。而且，ndarray支持快速的数学运算。由于它可以存储任意数量的维度，可以使用narray来表示任意数据类型：标量、向量、矩阵或张量。

3.标量

Numpy中标量比python中标量类型更多。不像python只有基本类型int,float等，Numpy可以让你指定有符号和无符号的类型以及不同的大小。因此，除了python的int,你可以使用uint8,int8,uint16,int16等类型。

这些类型很重要，因为你创建的每一个对象（向量，矩阵，张量）最终都会存储标量。而且，当你创建Numpy数组时，可以指定类型，但是数组中每一项必须具有相同的类型。在这方面，Numpy数组更像是C数组，而非python列表。

如果要创建一个包含标量的Numpy数组，方法是将值传递给Numpy的array函数，如下：

s=np.array(5)

不过仍然可以在ndarray、Numpy标量和普通的python标量之间执行数学运算。

可以通过检查数组的shape属性老查看数组的形状。可以执行代码

s.shape

它会打印出结果，即一对空括号（）。这表示它的维度为零。

即使标量位于数组中，你仍然可以像正常的标量一样使用它们，可以键入：

x=s+3

x现在将等于8。如果你检查x的类型，会发现他可能是numpy.int64，因为它在使用Numpy类型，而不是python类型。

顺便说一下，及时标量类型也支持大部分的数组函数。所以可以调用x.shape，它会返回（），因为它的维度为零，即使它不是数组。如果你使用普通的python标量来尝试，就会收到一个错误。

4.向量

要创建一