import numpy as np_玩数据必备Python库：Numpy使用详解

导读：Numpy(Numerical Python的简称)是高性能科学计算和数据分析的基础包，其提供了矩阵运算的功能。本文带你了解Numpy的一些核心知识点。

作者：魏溪含 涂铭 张修鹏

如需转载请联系华章科技

Numpy提供的主要功能具体如下：

• ndarray——一个具有向量算术运算和复杂广播能力的多维数组对象。
• 用于对数组数据进行快速运算的标准数学函数。
• 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
• 非常有用的线性代数，傅里叶变换和随机数操作。
• 用于集成C /C++和Fortran代码的工具。

除了明显的科学计算用途之外，Numpy还可以用作通用数据的高效多维容器，定义任意的数据类型。这些都使得Numpy能够无缝、快速地与各种数据库集成。

提示：这里提到的“广播”可以这么理解：当两个维度不同的数组(array)运算的时候，可以将低维的数组复制成高维数组参与运算(因为Numpy运算的时候需要结构相同)。

在学习图像识别的过程中，需要将图片转换为矩阵。即将对图片的处理简化为向量空间中的向量运算。基于向量运算，我们就可以实现图像的识别。

01 创建数组

现在就来关注下Numpy中的一些核心知识点。在Numpy中，最核心的数据结构是ndarray, ndarray代表的是多维数组，数组指的是数据的集合。为了方便理解，我们下面列举一个小例子。

一个班级里学生的学号可以通过一维数组来表示，数组名为a，数组a中存储的是数值类型的数据，分别是1，2，3，4。

其中，a[0]代表的是第一个学生的学号1，a[1]代表的是第二个学生的学号2，以此类推。

一个班级里学生的学号和姓名，可以用二维数组来表示，数组名为b。

类似的，其中b[0,0]代表的就是1(学号)，b[0,1]代表的就是Tim(学号为1的学生的名字)，以此类推b[1,0]代表的是2(学号)等。

借用线性代数的说法，一维数组通常称为向量(vector)，二维数组通常称为矩阵(matrix)。

当我们安装完Anaconda之后，默认情况下Numpy已经在库中了，所以不需要额外安装。下面我们来写一些语句简单测试下Numpy库。

1)在Anaconda的Notebook里输入

import numpy as np

之后，通过键盘按住Shift+Enter执行，如果没有报错，则说明Numpy已被正常引入，如图2-7所示。