三维数组怎么排列 图解_图解 NumPy 学习笔记（一）：初识 NumPy

不用 Python 非好汉，不晓 NumPy 真遗憾

# 导入 NumPy， 开始学习
import numpy as np 

感谢 NumPy，帮我解决了很多问题。

图解 NumPy 学习笔记​zhuanlan.zhihu.com

本专栏将使用 图解 以及 脑图 的方法来记录我的《图解 NumPy 学习笔记》。

NumPy 是 Numerical Python 的简称，它是目前 Python 数值计算 中最为重要的基础包。
——《利用 Python 进行数据分析》

---

0 初识 NumPy

NumPy 基础

NumPy 的 官方文档 非常详实，但由于数量过多，不容易让初学者有一个好的 big-picture。
本系列计划将 NumPy 较为全面的展示给初学者，加以鄙人的学习使用技巧与感悟，文章必有疏漏或错误，还望各位不吝赐教。

---

1 Why: 为什么要使用 NumPy ?

快，NumPy 既结合了 Python 开发效率高的优点，又能弥补了 Python 运行效率较低的缺点。

在学会使用 numba.njit + NumPy （数十倍的速度）和 cuda GPU （上百倍的速度）加速后，真的是“人生苦短，我用 Python "了。当然这都是后话了，相关内容，以后补充。

NumPy 的方法比 Python 方法要快 10 倍到 1000 倍，并且使用 内存也更少，可以大大方便我们在数据处理方面的研究与开发。

为什么要使用 NumPy?

单从 运行效率 而言，在 NumPy 上只要能被表示为针对 数组或矩阵运算 的算法， 其运行效率几乎都可以与编译过的等效 C 语言代码媲美。
当然，快与慢，还要看个人如何使用，但是 内存映射 这是非常棒的。
如果面临数据过多，又不想存入数据库中，且数据的形式是数组或者矩阵， 可以使用 NumPy 的 np.save() 和 np.load(, mmap_mode = 'r')， 可以内存映射矩阵保留在磁盘上，无须全部读入，以后会详细说明。

这是一篇讲 Python 数据处理的超级好的文章​blog.csdn.net

---

2 What: NumPy 是什么？

NumPy 是 Python 数值计算 的基石。

它提供多种数据结构、算法以及大部分涉及 Python 数值计算所需的接口 。

NumPy 是什么？

简单来说，NumPy 是使用 Python 进行数据分析的一个核心工具。

---

3 How: 如何使用 NumPy ?

使用NumPy的不二法门就是 面向数组编程。

面向数组编程，下面这篇文章，看完拍案叫绝！！!

面向数组编程，超级好文​blog.csdn.net

看完这位大佬的文章，让我的程序快了 40 倍，生活如此多娇呀！

面向 过程 编程，好理解，
面向 对象 编程，也好理解。
那 面向数组编程 是什么?
面向数组编程 就是以 向量化 代替 使用繁杂的 循环，
用人话说就是用 数组或矩阵运算 代替 遍历的 for 循环。
具体怎么做呢？
看见一个 for 循环， 就想一个问题 “ 我能否使用矩阵运算来代替这个 for 循环？”

---

人生苦短，我用 Python

人生苦短，我用 NumPy

The End

谢谢您的观看，感谢您的收藏点赞，期待您的评论交流

Last updated: 2019/9/25

本文参考：

名称：Python for Data Analysis 作者：Wes McKinney