Python.numpy极简入门

Numpy库一直在用，但从没有去了解过numpy到底是个什么东西，属于知其然但不知其所以然的境界，虽然也没什么大碍，但今天看到某本书里有介绍，看了一下，觉得还不错，可以算是个简单入门吧，所以依照书上的框架复述一遍，写了这篇博文。

目录

1. Numpy简介

2. ndarray对象

2.1 数组的创建

2.2 数组的形状获取和改变

2.3 数组元素类型的指定

3. ufunc对象

3.1 ufunc示例-sin()

3.2 性能比较

3.3 ufunc示例-add()

3.4 ufunc的广播机制

3.5 ogrid对象

---

1. Numpy简介

Numpy为Python带来了多维数组功能，并提供丰富的函数库来处理这些数组。他将常用的数学函数进行了数组化，使得这些数学函数能够直接对数组进行操作，将本来需要在Python级别进行的循环，放到C语言的运算中，明显的提高了程序的运行速度。这点是很重要的，因为Python最大的每种不足就是性能问题。

在Python中自带有list(列表)对象，用来保存一组“值”，我们可以将list近似的当作数组来使用，但是列表中的元素可以是任何对象，比如['a',0.01,{"age":18}]，因此列表中所保存的是对象的指针，这样为了保存一个简单的[1,2,3]，需要3个指针和三个整数对象，在时间和空间上都造成了极大浪费。

为了克服list的弊端，就可以使用Numpy库所带来的数组。

Numpy库提供了两种基本的对象，一是ndarray（N-dimensional array object）是存储单一数据类型的多维数组。二是ufunc(universal function object)是能够对数组进行处理的函数。

2. ndarray对象

2.1 数组的创建

通过给array函数传递Python的序列对象来创建数组，如果传递的是多层嵌套序列，将创建多维数组。示例如下：

import numpy as np

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

print(a) #[1 2 3 4]
print(b)  #[5 6 7 8]
print(c)
'''
[[ 1  2  3  4]
 [ 4  5  6  7]
 [ 7  8  9 10]]
'''

2.2 数组的形状获取和改变

数组的大小可以通过数组的shape属性获得。示例如下：

#紧接上面的代码
print(a.shape) #(4,)
print(c.shape) #(3, 4)

数组a的shape只有一个元素，因此可以判定为一维数组，而数组c的第0轴长度为3，第1轴的长度为4，是3*4的数组。

可以通过修改数组的shape属性，在保持元素个数不变的情况下，改变数组每个轴的长度。相当于做了重排。

c.shape=4,3
print(c)
'''
[[ 1  2  3]
 [ 4  4  5]
 [ 6  7  7]
 [ 8  9 10]]
'''

当某个轴的元素为-1时，将根据元素的个数自动计算此轴的长度，因此下面的程序将c的shape