简介

Numpy是高性能科学计算和数据分析的基础包。它也是pandas等其他数据分析的工具的基础，基本所有数据分析的包都用过它。NumPy为Python带来了真正的多维数组功能，并且提供了丰富的函数库处理这些数组。它将常用的数学函数都支持向量化运算，使得这些数学函数能够直接对数组进行操作，将本来需要在Python级别进行的循环，放到C语言的运算中，明显地提高了程序的运算速度。

 下载

>: pip install numpy

引用方式

import numpy as np  # 约定俗成的起别名:np

这是官方认证的导入方式，可能会有人说为什么不用from numpy import *,是因为在numpy当中有一些方法与Python中自带的一些方法，例如max、min等冲突，为了避免这些麻烦大家就约定俗成的都使用这种方法。

ndarray 

Numpy的核心特征就是N-维数组对——ndarray.

•  ndarray的优势

有一个购物车， 购物车中有商品的数量和对应的价格， 求总的价格
shop_car = [2,4,6,1]
shop_price = [10,20,1,30]

pycharm中实现:

shop_car = [2,4,6,1]
shop_price = [10,20,1,30]
prices = 0
index = 0
for i in shop_car:
    price = shop_price[index]
    prices += i * price
    index +=1
print(prices)  # 136

numpy中实现:

通过ndarray这个多维数组对象可以让这些批量计算变得更加简单，当然这只它其中一种优势，接下来就通过具体的操作来发现。

• ndarray是一个多维数组列表

 注意: 

1.数组对象内的元素类型必须相同

2.数组大小不可修改

•  常用属性

属性	描述
T	数组的转置（对高维数组而言）
dtype	数组元素的数据类型
size	数组元素的个数
ndim	数组的维数
shape	数组的维度大小（以元组形式）

• 数据类型

类型	描述
布尔型	bool_
整型	int_ int8 int16 int32 int 64
无符号整型	uint8 uint16 uint32 uint64
浮点型	float_ float16 float32 float64
复数型	complex_ complex64 complex128

 

注意: astype()方法可以修改数组的数据类型

• 创建ndarray对象

方法	描述
array()	将列表转换为数组，可选择显式指定dtype
arange()	range的numpy版，支持浮点数
linspace()	类似arange()，第三个参数为数组长度
zeros()	根据指定形状和dtype创建全0数组
ones()	根据指定形状和dtype创建全1数组
empty()	根据指定形状和dtype创建空数组（随机值）
eye()	根据指定边长和dtype创建单位矩阵

 array()

 arange()

 linspace()

 zeros()

 ones()

 eye()