学习Numpy的基本操作

一：Numpy简介

NumPy是一个开源的Python科学计算库，Numerical Python简写。主要功能之一是用来操作数组和矩阵，是科学计算、深度学习等高端领域的必备工具。NumPy这个词来源于两个单词---Numerical和Python。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。

二：数组创建

ndim-维度，shap-行数和列数，size-元素个数 

1：#numpy 数组的创建

#numpy数组的创建
a=np.array([2,3,4],dtype=np.int32)#一维数组的创建[2 3 4]
a=np.array([[1,2,3],[2,3,4]])#多维数组的创建[[1 2 3] [2 3 4]]
a=np.zeros((2,4))#创建全零数组[[0. 0. 0. 0.] [0. 0. 0. 0.]]
a=np.ones((3,4),dtype=np.int)#创建全一数组，同时指定数据类型[[1 1 1 1] [1 1 1 1] [1 1 1 1]]
a=np.empty((3,4))#创建全空数组，每个数接近于0
a=np.arange(1,10,2)#1-10的数据，步长为2，创建连续数组[1 3 5 7 9]

a=np.array([2,3,4],dtype=np.int32)
print(a.ndim)#1  维
print(a.shape)#(3,)
print(a.size)#3  元素个数

2：#创建两个1维矩阵

#创建两个1维矩阵
a=np.array([1,2,3,4])#[1 2 3 4]
b=np.arange(4)#[0 1 2 3]
c1=a-b #对应相减
c2=a*b #对应相乘
c3=a.dot(b) #对应相乘再求和<dot()返回两个数组的点积>
c4=b**2 #相应位置平