Numpy数据类型

Numpy是Python的一种开源的数值计算扩展，是一些针对矩阵进行运算的模块。

1.参考文章

1.Numpy介绍
2.Numpy 学习笔记
3.python中的list和array的不同之处
4.Python列表、Numpy数组与矩阵的区别

2.知识点

1.Python中的list和np.array的不同之处
Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。使用Python列表可以存储一维数组，通过列表的嵌套可以实现多维数组，那么为什么还需要使用Numpy呢？Numpy是专门针对数组的操作和运算进行了设计，所以数组的存储效率和输入输出性能远优于Python中的嵌套列表，数组越大，Numpy的优势就越明显。通常Numpy数组中的所有元素的类型都是相同的，而Python列表中的元素类型是任意的，所以在通用性能方面Numpy数组不及Python列表，但在科学计算中，可以省掉很多循环语句，代
码使用方面比Python列表简单的多。
2.Numpy数组和矩阵的区别：

1. Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND）. Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。
2. 在numpy中matrix的主要优势是：相对简单的乘法运算符号。例如，a和b是两个matrices，那么a*b，就是矩阵积。
3. matrix 和 array 都可以通过objects后面加.T 得到其转置。但是 matrix objects 还可以在后面加 .H f得到共轭矩阵, 加 .I 得到逆矩阵。
4. 相反的是在numpy里面arrays遵从逐个元素的运算，所以array：c 和d的c*d运算相当于matlab里面的c.*d运算。而矩阵相乘，则需要numpy里面的dot命令 。

3.一些keypoint

1.list列表中list不能直接和数字相加，但是np.array中可以

a = [1,2,3]  
	b = 3*a+2
	print(b)
# 其结果会报错，list不能和int直接相加

np.array中如下就是对的：

import numpy as np
a = np.array([1,2,3])
b = 3*a+2
print(b)
# 输出结果是：[ 5  8 11]

2.Python的zip函数
参考：Python的zip函数