numpy.version # 查看电脑的numpy版本
如果想要更新Numpy至最新版本，我使用的方法是在Anaconda里面找到相应的要更新的模块，
import numpy as np
创建别名的好处，使得在使用的时候更加快速的引用它
例：
注：补充知识(%%time %time %timeit)
%%time 将会给出cell(一个单元格里面所运行的内容)的代码运行一次所花费的时间。
%time 将会给出当前行的代码运行一次所花费的时间。
%timeit 使用Python的timeit模块，它将会执行一个语句100，000次(默认情况下)，然后给出运行最快3次的平均值。
ls=range(100000)
ls
补充知识：
"_"是一个循环标志，类似于普通变量，只是不取值，只循环，这个"_"其实就是一个占位符，和用普通变量i但是不使用i是一样的效果。
%%time
ls=list(range(100000))
for _ in range(10):
mylist=[x * 2 for x in ls] # 列表解析式
将上面的代码使用numpy:
import numpy as np
arr=np.arange(100000)
arr
%%time
arr=np.arange(100000)
for _ in range(10):
myarr=arr*2 # 列表解析式
由上述两端代码运行的时间可知：numpy进行数组的创建计算的效率高于list
====================================================================
数组类型：一维数组，二维数组，多维数组
创建方法
-
np.array() list或者tuple
-
np.arange() np.inspace()
-
np.ones() np.zeors() np.eye() np.random.random()
把列表和元组转换成为数组：
l1=[1,2,3,4,5,6]
l2=(6,5,4,3,2,1)
arrl1=np.array(l1)
arrl2=np.array(l2)
print(arrl1)
print(arrl2)
很清楚的看到区别，使用了 np.array() 之后，数据之间的逗号会消失。
以下是以浮点型为例子探讨数组的一些属性。
当数组定义好之后，本身带有的一些常用属性：
| 属性 | 解释 |
| — | — |
| arr.ndim | 返回的是数组的维度，返回的只有一个数，该数即表示数组的维度。 |
| type(arr) | 返回数据类型。 |
| arr.shape | 表示各位维度大小的元组。返回的是一个元组。 |
| len(arr) | 返回数组长度。 |
| arr.size | 返回元素个数。 |
| arr.itemsize | 返回元素的大小，元素的大小是根据数据的类型来定义的。 |
| arr.strides | 返回元素的跨度,跨度指两个元素之间要跨过的字节数。 |
| arr.dtype | 一个用于说明数组数据类型的对象,返回的是该数组的数据类型。 |
l3=[1.1,3.0,5.1,9.7,4.5]
arr=np.array(l3)
print(‘数据类型:’,type(arr))
print(‘轴(维度):’,arr.ndim)
print(‘数组长度:’,len(arr))
print(‘元素个数:’,arr.size)
print(‘形状:’,arr.shape) #元组后面必须要加逗号
print(‘元素的大小:’,arr.itemsize)
print(‘元素类型:’,arr.dtype)
print(‘跨度:’,arr.strides)
如果是整形的数组：
数组也可以是字符串类型或者混合类型:
np.arange():元素的间隔是固定的
函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是5，步长为1。
参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况
-
一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
-
两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
-
三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长，其中步长支持小数。
np.arange(8)
print(np.arange(2,8,2))
np.arange(2,8,2)
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
-
start，开始的数字 -
stop，结束的数字 -
num，返回的数量 -
endpoint，一个bool型变量 -
retstep，一个bool型，True的话输出之间公差 -
dtype，数据类型，类型有很多例如：np.bool…，可以自己指定
将2~8之间进行50等分：
np.linspace(2,8)
len(np.linspace(2,8))
np.linspace(2,8,4)
做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。
别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。
我先来介绍一下这些东西怎么用，文末抱走。
（1）Python所有方向的学习路线（新版）
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
最近我才对这些路线做了一下新的更新，知识体系更全面了。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
（4）200多本电子书
这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。
基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。
（5）Python知识点汇总
知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。
（6）其他资料
还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。
小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数初中级Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频
如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）
d.png)
这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。
小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数初中级Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频
如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）
[外链图片转存中…(img-sYGyZwdV-1710973221614)]
扫一扫
682
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
