Numpy学习-(1)

记录我学习Numpy过程

1. 介绍

（1）NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：一个强大的N维数组对象 ndarray广播功能函数整合 C/C++/Fortran 代码的工具线性代数、傅里叶变换、随机数生成等功能

2. Numpy应用

（1）NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。SciPy 是一个开源的 Python 算法库和数学工具包。SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口（API）。
[NumPy 官网](http://www.numpy.org/)
[Matplotlib 官网](https://matplotlib.org/)
[SciPy 官网](https://www.scipy.org/)

3. Numpy 安装

（1） 在电脑安装python之后，设置好环境变量。这里由两个环境变量，一个是python解释器的文件夹；一个是script的文件夹（这个文件夹下面由一个pip程序）
（2）用<kbd>win</kbd>+<kbd>r</kbd>组合键进入cmd，输入：

pip install numpy

等待片刻，最后安装成功。
打开python IDE输入以下代码验证是否安装成功。

>>> from numpy import *
>>> eye(4)
array([[1., 0., 0., 0.],
[0., 1., 0., 0.],
[0., 0., 1., 0.],
[0., 0., 0., 1.]])

4. Ndarray 对象

（1）NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有相同存储大小的区域。
例子1：

import numpy as np
a = np.array([3，2，1])
print (a)

结果：

[3，2，1]

例子2：

import numpy as np
a = np.array([[1, 2], [3, 4]])
print (a)

结果：

[[1, 2]
[3, 4]]

例子3：

import numpy as np
a = np.array([1, 2, 3], dtype = complex)
print (a)

结果：

[ 1.+0.j, 2.+0.j, 3.+0.j]

5. 数组属性

**属性说明**

1. ndarray.ndim秩，即轴的数量或维度的数量
2. ndarray.shape数组的维度，对于矩阵，n 行 m 列
3. ndarray.size数组元素的总个数，相当于 .shape 中 n*m 的值
4. ndarray.dtypendarray 对象的元素类型
5. ndarray.itemsizendarray 对象中每个元素的大小，以字节为单位
6. ndarray.flagsndarray 对象的内存信息
7. ndarray.realndarray元素的实部
8. ndarray.imagndarray 元素的虚部
9. ndarray.data包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

6. 创建数组

（1)下面创建一个空的矩阵：//三行两列的空数组

import numpy as np
x = np.empty([3,2], dtype = int) 

（2）下面创建一个指定大小的全0矩阵：

i

mport numpy as np

# 默认为浮点数
x = np.zeros(5)
print(x)

# 设置类型为整数
y = np.zeros((5,), dtype = np.int)
print(y)

结果：
[0. 0. 0. 0. 0.]
[0 0 0 0 0]

（3）下面创建一个指定大小的全1矩阵：

import numpy as np

# 默认为浮点数
x = np.ones(5)
print(x)

# 自定义类型
x = np.ones([2,2], dtype = int)
print(x)

结果：
[1. 1. 1. 1. 1.]
[[1 1]
[1 1]]

（4）下面创建一个指定范围的数组：

import numpy as np
x = np.arange(10,22,2)
print (x)
a = np.linspace(1,10,10)
print(a)
a = np.linspace(10, 20, 5, endpoint = True)
print(a)

结果：

[10 12 14 16 18 20]
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
[10. 12. 14. 16. 18. 20.]