Numpy中文指南：基本操作

1、简介

Python是一种流行的通用编程语言，在科学领域被广泛使用。你很容易在Python代码中调用以前的C、Fortran或者R代码。Python是面向对象语言，比C和Fortran更加高级。使用Python可以写出易读、整洁并且缺陷最少的代码。然而，Python本身并不具有与Matlab等效的功能块，而这恰恰就是NumPy存在的意义。除NumPy以外，相关的Python科学计算库还有，SciPy和Matplotlib。ipython是一个净强化的交互Python Shell，对探索NumPy的特性非常方便；matplotlib将允许你绘图；Scipy在NumPy的基础上提供了很多科学模块；

 NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。如果你的系统中已经装有LAPACK，NumPy的线性代数模块会调用它，否则NumPy将使用自己实现的库函数。LAPACK是一个著名的数值计算库，最初是用Fortran写成的，Matlab同样也需要调用它。从某种意义上讲，NumPy可以取代Matlab和Mathematica的部分功能并且允许用户进行快速的交互式原型设计

NumPy能够直接对数组和矩阵进行操作，可以省略很多循环语句，其众多的数学函数也会让编写代码的工作轻松许多；了NumPy的两个特性：向量化（Vectorization）和广播（Broadcasting），它们是NumPy强大之处的基础。

向量化用于描述任何缺失的显式循环、索引及其它，在代码这些事情是即时发生；一般来说，NumPy中所有操作，并不只是算术运算，还有逻辑运算，位运算，函数运算等，以这种隐式的元素层面的方式执行，就是广播。

NumPy中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；NumPy数组的通用性不及Python提供的list容器，这是其不足之处；

NumPy的大部分代码都是用C语言写成的，这使得NumPy比纯Python代码高效得多；

列表操作：

c = []
for i in range(len(a)):
    c.append(a[i]*b[i])

 C语言，一维数组：

for (i = 0; i < rows; i++)
{c[i] = a[i]*b[i];}

  C语言，二维数组：

for (i = 0; i < rows; i++)
{
    for (j = 0; j < columns; j++)
    {
        c[i][j] = a[i][j]*b[i][j];
    }
}

Numpy,

c = a * b

2、Numpy函数总览

创建数组：

arange, array, copy, empty, empty_like, eye, fromfile, fromfunction, identity, linspace, logspace, mgrid, ogrid, ones,ones_like, r , zeros, zeros_like

转化：

astype, atl