第一章NumPy概述

第一章NumPy概述

1.1什么是NumPy

NumPy代表“Numeric Python”，是Python中科学计算的基础软件包。它是一个提供了多维数组对象以及基于多维数组的各种运算与操作，包括数学、逻辑、统计、排序、I/O、矩阵运算、傅里叶变换和随机数生成等等。NumPy通常与SciPy（Scientific Python）、Matplotlib（绘图库）一起使用。 这种组合广泛用于替代 MatLab，是一个流行的技术计算平台。
NumPy的官方介绍是：
一个强大的N维数组对象ndrray；
比较成熟的（广播）函数库；
用于整合C/C++和Fortran代码的工具包；
实用的线性代数、傅里叶变换和随机数生成函数

而在实际当中，由于NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。这类数值计算广泛用于以下任务：
机器学习模型：在编写机器学习算法时，需要对矩阵进行各种数值计算。例如矩阵乘法、换位、加法等。NumPy提供了一个非常好的库，用于简单(在编写代码方面)和快速(在速度方面)计算。NumPy数组多用于存储训练数据和机器学习模型的参数。
图像处理和计算机图形学：计算机中的图像表示为多维数字数组。NumPy成为同样情况下最自然的选择。实际上，NumPy提供了一些优秀的库函数来快速处理图像。例如，镜像图像、按特定角度旋转图像等。
数学任务：NumPy对于执行各种数学任务非常有用，如数值积分、微分、内插、外推等。因此，当涉及到数学任务时，它形成了一种基于Python的MATLAB的快速替代。
NumPy的优点：
对于数值计算任务，使用NumPy要比直接编写Python代码便捷得多；
NumPy中的数组的存储效率和输入输出性能均远远优于Python中等价的基本数据结构，且其能够提升的性能是与数组中的元素成比例的；
NumPy的大部分代码都是用C语言写的，其底层算法在设计时就有着优异的性能，这使得NumPy比纯Python代码高效得多

NumPy的缺点：
非常适合科学计算，在其他的领域并不突出
NumPy数组的通用性不如Python的list。
NumPy使用内存映射文件以达到最优的数据读写性能，而内存的大小限制了其对TB级大文件的处理。

1.2NumPy安装
NumPy的官方网站是：
http://www.numpy.org

NumPy的软件包可以从该网站直接获得。也可以使用Python的pip来安装。使用pip安装的方法非常简单，只需要在命令行窗口输入pip install numpy 即可。
由于NumPy的主要用途是科学计算，因此计算效率就非常重要了。提高效率的一个方法就是安装与操作系统匹配的二进制软件包，如果是为了科学计算的目的，推荐使用此安装方法。
下载二进制安装包以及源代码的网站是：
https://pypi.org/project/numpy/#files

1.3NumPy的第一个程序
安装好NumPy之后，可以运行下面的代码，如果能够正常运行，表示NumPy已经安装好了。我们可以开始NumPy的探索之旅

import numpy as np
arr1 = np.array([1,2,3,4])
print(arr1)

输出的结果是：
[1 2 3 4]