numpy的安装与使用

 

 

文章目录

前言

一、numpy是什么？

1、Numpy的数据结构

1.1 元数据（metadata）

1.2 实际数据

2、ndarray数组对象的特点

3、Numpy的优点

二、安装numpy

三、开始使用

3.1 引入库

3.2 查看numpy安装版本

3.3 牛刀小试

3.4 numpy VS list

 

总结

 

---

前言

本文就主要讲解下numpy的安装和简单使用，后续会完善numpy的使用方法

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、numpy是什么？

NumPy（Numerical Python的简称），是科学计算基础的一个库，它提供了一个高性能的多维数组对象ndarray，以及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，广泛应用于机器学习模型、图像处理和计算机图形学、数学任务等领域。提供了大量关于科学计算的相关功能，例如，线性变换，数据统计，随机数生成等。其提供的最核心的类型为多维数组类型（ndarray）。

NumPy是基于c语言开发，所以这使得NumPy的运行速度很快，高效率运行就是NumPy的一大优势。Numpy对矩阵运算进行了优化，使我们能够高效地执行线性代数运算，使其非常适合解决机器学习问题。SciPy（Scientific Python）、Mat-plotlib（plotting library）、Scikit-learn 等都在一定程度上依赖NumPy。与Python列表相比，Numpy具有的另一个强大优势是具有大量优化的内置数学函数。这些函数使你能够非常快速地进行各种复杂的数学计算，并且用到很少代码（无需使用复杂的循环），使程序更容易读懂和理解。

• numpy的底层使用C语言实现。所以效率挺高
• numpy作为很多的用来做数据挖掘，数据分析，人工智能相关的技术组件的底层实现

NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型，它是描述相同类型的元素集合。ndarray 中的每个元素都是数据类型对象(dtype)的对象。ndarray 中的每个元素在内存中使用相同大小的块。

Numpy官网：https://numpy.org/
 

1、Numpy的数据结构

Numpy中定义的最重要的数据结构是称为ndarray的n维数组类型，这个结构引用了两个对象，一块用于保存数据的存储区域和一个用于描述元素类型的dtype对象。

• 第一部分：元数据部分，存储当前这个ndarray对象的一些描述数据
• 第二部分：真实数据部分，存储这个ndarray对象中存储的真实的数据

  

  二维数组的生成在python中我们还可以用到list列表，如果用list来表示[1,2,3]，由于list中的元素可以是任何对象，所以list中保存的是对象的指针，如果要保存[1,2,3]就需要三个指针和三个整数对象，是比较浪费内存资源和cpu计算时间的，而ndarray是一种保存单一数据类型的多维数组结构，在数据处理上比list列表要快上很多，在这里我们可以用%timeit命令来检测两者的数据处理速度。

1.1 元数据（metadata）

存储对目标数组的描述信息，如：dim count、dimensions、dtype、data（实际上就是一个指针，指向实际的数据）等。

1.2 实际数据

完整的数组数据

将实际数据与元数据分开存放，一方面提高了内存空间的使用效率，另一方面减少对实际数据的访问频率，提高性能。
 

2、ndarray数组对象的特点

• Numpy数组是同质数组，即所有元素的数据类型必须相同
• Numpy数组的下标从0开始，最后一个元素的下标为数组长度减1

3、Numpy的优点

• Numerical Python，数值的Python，补充了Python语言所欠缺的数值计算能力。
• Numpy是其它数据分析及机器学习库的底层库。
• Numpy完全标准C语言实现，运行效率充分优化。
• Numpy开源免费。

二、安装numpy

1、Anaconda

conda install numpy

2、没有anaconda，则使用以下命令在终端中直接输入

pip install numpy

 

---

三、开始使用

3.1 引入库

代码如下（示例）：

#导入numpy并为其取别名为np
import numpy as np

3.2 查看numpy安装版本

代码如下（示例）：

print(np.__version__)

3.3 牛刀小试

# 引入第三方库：numpy，起个别名：np
import numpy as np
print(np.__version__)
#调用numpy中的arange函数生成一个序列
data = np.arange(10) # 生成0-9的数据序列
print(data) #打印数据
print(type(data)) # 打印数据类型

3.4 numpy VS list

import numpy as np

# 对于序列0-9在python中使用list对其每个元素都进行+1操作
list1 = list(range(10))
print(list1)

# 把这个数据序列（0-9）的每个元素都 进行 + 1 的操作
result_list = []
for i in list1:
    result_list.append(i + 1)

print(result_list)

# numpy中的实现
data = np.arange(10)
print(data)
data += 1 # 输出结果： 每个元素都 + 1
print(data)

 

---

总结

1、numpy安装很简单，易操作

2、使用numpy进行数组计算，要比使用原生的python的操作要简单很多