python第三方库numpy-谁能介绍下Python生态中的第三方库NumPy

一、NumPy引见

1. 什么是NumPy

它是运用Python停止科学计算的根底包。它包含各种功用，包括以下重要功用：一个强大的N维数组对象

复杂的（播送）功用

用于集成C / C ++和Fortran代码的工具

具有线性代数、傅立叶变换和随机数等功用

除了明显的科学用处外，NumPy还能够用作通用数据的高效多维容器。能够运用Numpy定义恣意数据类型，允许NumPy无缝且快速地与各种数据库集成。

2. 装置NumPyMac和Linux的用户能够经过pip命令装置NumPy：pip install numpy

请运用python3版本停止装置。装置胜利后如下图：

Windows没有任何相似于linux或mac中的软件包管理器。请从此处下载NumPy的预构建Windows装置程序（依据您的系统配置和Python版本）。

然后手动装置软件包。

二、NumPy数组与它的属性

NumPy中主要对象是多维数组。它是一个元素表（通常是数字），都是相同的类型，由正整数索引元素。

NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。

在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）

NumPy的数组对象称为ndarray，它的别名叫做数组。

轴的数量——秩，就是数组的维数。

示例：[[ 1, 2, 3],[ 4, 2, 5]]秩为2，即这个数组它就有2维或有2个轴

第一维（轴）长度= 2，第二维度长度= 3

整体外形可表示为：(2, 3)

下面演示一下NumPy中数组的最根本的属性。import numpy as np# 创建一个数组arr = np.array([[1, 2, 3], [4, 2, 5]])# 输出数组的类型print("数组的类型: ", type(arr))# 轴的数量或维度的数量print("维度的数量: ", arr.ndim)# 数组的维度，对于矩阵，n行m列print("数组的维度: ", arr.shape)# 数组元素的总个数print("数组元素的总个数: ", arr.size)# ndarray对象的元素类型print("ndarray对象的元素类型: ", arr.dtype)

输出：数组的类型: 维度的数量: 2数组的维度: (2, 3)数组元素的总个数: 6ndarray对象的元素类型: int64

三、多种方式创立数组

有多种办法能够在NumPy中创立数组。例如，您能够运用数组函数运用 列表或元组创立数组。结果数组的类型是从序列中元素的类型推导出来的。

通常，数组的元素最初是未知的，但其大小是已知的。因而，NumPy提供了几个函数来创立具有初始占位符内容的数组。这些最小化了增加阵列的必要性。例如 np.zeros，np.ones，np.full，np.empty等。

为了创立数字序列，NumPy提供了一个相似于返回数组而不是列表的范围的函数。

**arange：**在给定的时间距离内返回平均距离的值。步长是指定的。

**linspace：**在给定的时间距离内返回平均距离的值。

重塑数组：我们能够运用重塑办法来重塑数组。思索一个具有外形的数组（a1，a2，a3，…，aN）。我们能够重塑并将其转换为另一个具有外形的数组（b1，b2，b3，…，bM）。独一需求的条件是：

a1 x a2 x a3 … x aN = b1 x b2 x b3 … x bM。（即阵列的原始大小坚持不变。）

展平数组：我们能够运用展平办法将数据的副本折叠到一个维度。它承受订单参数。默许值为“C”（关于行主要次第）。运用’F’作为列主要订单。

**留意：**创立数组时能够显式定义数组类型。import numpy as np# 使用float类型的数组数据创建数组a = np.array([[1, 2, 4], [5, 8, 7]], dtype='float')

print("使用float类型的数组数据创建数组: ", a)# 元组数据类型创建数组b = np.array((1, 3, 2))

print(" 元组数据类型创建数组: ", b)# 3X4的全零创建数组c = np.zeros((3, 4))

print(" 3X4的全零创建数组: ", c)# 复数创建数组d = np.full((3, 3), 6, dtype='complex')

print(" 复数创建数组: ", d)# 随机数创建数组e = np.random.random((2, 2))

print(" 随机数创建数组: ", e)# 以0～30步长为5的整数创建数组f = np.arange(0, 30, 5)

print(" 以0～30步长为5的整数创建数组: ", f)# 0～5之间的等差的10个值创建数组g = np.linspace(0, 5, 10)

print(" 0～5之间的等差的10个值创建数组: ", g)# 将3X4的数组转化为2X2X3的数组arr = np.array([[1, 2, 3, 4], [5, 2, 4, 2], [1, 2, 0, 1]])

newarr = arr.reshape(2, 2, 3)

print(" 将3X4的数组转化为2X2X3的数组: ", arr)

print("转化后: ", newarr)# 将数组转化为一维的数组arr = np.array([[1, 2, 3], [4, 5, 6]])

flarr = arr.flatten()

print(" 将数组转化为一维的数组: ", arr)

print("转化后: ", flarr)

输出：使用float类型的数组数据创建数组:

[[1. 2. 4.]

[5. 8. 7.]]

元组数据类型创建数组:

[1 3 2]3X4的全零创建数组:

[[0. 0. 0. 0.]

[0. 0. 0. 0.]

[0. 0. 0. 0.]]

复数创建数组:

[[6.+0.j 6.+0.j 6.+0.j]

[6.+0.j 6.+0.j 6.+0.j]

[6.+0.j 6.+0.j 6.+0.j]]

随机数创建数组:

[[0.66694019 0.6944897 ]

[0.11728555 0.21673665]]

以0～30步长为5的整数创建数组:

[ 0 5 10 15 20 25]0～5之间的等差的10个值创建数组:

[0. 0.55555556 1.11111111 1.66666667 2.22222222 2.77777778

3.33333333 3.88888889 4.44444444 5. ]

将3X4的数组转化为2X2X3的数组:

[[1 2 3 4]

[5 2 4 2]

[1 2 0 1]]

转化后:

[[[1 2 3]

[4 5 2]]

[[4 2 1]

[2 0 1]]]

将数组转化为一维的数组:

[[1 2 3]

[4 5 6]]

转化后:

[1 2 3 4 5 6]