利用NumPy进行高效计算_第一部分

一、NumPy的用途

NumPy（Numerical Python）是 Python 语言的一个扩展程序库，是一个高效计算工具，不同于普通编程中变量计算，具有以下特点：

• 可以进行n维数组的高效计算，具有矢量运算能力，且快速，节省空间；
• 能进行线性代数、傅立叶变换等多种高效科学运算，可对整组数据进行快速运算的标准数学函数；
• 有丰富的随机数功能；
• 有丰富的数组处理功能，可以进行广播计算；

NumPy 为开放源代码并且由许多协作者共同维护开发。

二、NumPy使用基础

使用NumPy时，需要先行导入numpy包：

import numpy as np

之后就可以利用缩写的np使用numpy包了，在以下的讲述中，数组、矩阵都指的是ndarray对象（N 维数组对象）。

数组对象：

NumPy的数组类称为ndarray，也是N维数组的别名，它是一系列同类型数据的集合，以 0 下标开始对集合中的元素进行索引的。NumPy的基础计算对象是数组，NumPy的数组与Python的列表list不同，list中的元素可以是不同类型，而NumPy数组中的元素都为一种类型。

使用NumPy构建数组需要两个关键参数：shape（数组形状）和dtype（类型）

1.利用ndarray构造方法创建数组：

>>> import numpy as np
>>> a = np.ndarray(shape=(2,3),dtype=float)
>>> a
array([[5.50148290e+222, 5.34753902e+246, 8.50060723e-096],
       [4.27255707e+180, 1.03471377e-259, 6.94168483e-310]])
>>>

其结果是一个2行3列的float类型的随机数组。当然更多维数组也可以：

>>> a = np.ndarray(shape=(2,3,5),dtype=float)
>>> a
array([[[ 1.28822975e-231, -1.29074164e-231, -7.90505033e-323,
          0.00000000e+000,  2.12199579e-314],
        [ 0.00000000e+000,  0.00000000e+000,  0.00000000e+000,
          1.75871011e-310,  3.50977866e+064],
        [ 0.00000000e+000,  3.97645035e-309,              nan,
                      nan,  3.50977942e+064]],

       [[ 1.13813711e-308,  0.00000000e+000,  0.00000000e+000,
          -0.00000000e+000,  0.00000000e+000],
        [ 2.12199579e-314,  0.00000000e+000,  0.00000000e+000,
          0.00000000e+000,  1.75871011e-310],
        [ 3.50977866e+064,  0.00000000e+000,  0.00000000e+000,
                      nan,              nan]]])
>>> type(a)
<class 'numpy.ndarray'>
>>> a.dtype
dtype('float64')
>>> a.shape
(2, 3, 5)
>>>

其中<class 'numpy.ndarray'>表示：a是ndarray数组对象。dtype('float64')表示：所有元素的类型是64位（8byte）的浮点型。(2, 3, 5)是个元组，表示数组的形状是三维数组空间。

在ndarray构造方法中的dt