NumPy简介
NumPy是Numerical Python的简称，适用于Python中的科学编程，特别是数字编程。它包括数组中的多维对象和一个用于Python实现的集成工具包。它基本上是C和Python的混合体，用来替代传统的MATLAB编程，其中数字形式的数据被视为数组，用于多维函数和重排操作。
了解Numpy
Python中使用最多的库之一是Numpy。数据科学技术需要在大尺寸的数组和矩阵上进行工作，必须进行繁重的数值计算才能从中提取有用的信息，而 NumPy下的各种数学函数的集合使之变得简单。它是Python中大多数科学计算的基本而重要的库；其他一些库也依赖于NumPy数组作为其基本输入和输出。它还提供了一些函数，允许开发者用很少的代码行在多维数组和矩阵上执行基本的以及高级的数学和统计函数。ndarray "或n维数组数据结构是Numpy的主要功能。这些数组是同质的，数组的所有元素必须是相同的类型。
与Python列表相比，NumPy数组的速度更快。但是Python列表比NumPy数组更灵活，因为你只能在每一列存储相同的数据类型。
Numpy的特点
- 它是C语言和Python的结合。
- 多维同质数组。Ndarray，它是一个nd维数组
- 用于数组的各种函数。
- 重塑数组 Python可以作为MATLAB的替代品。
numpy如何使工作变得如此简单？
你可以很容易地创建同质数组，并对它进行各种操作，比如。
- 通过使用以下命令导入它，将numPy导入为numpy。
NumPy n-dimentional数组
Numpy最重要的功能之一是n维数组，即nd-array。数组的维数无非就是数组等级。这里有几个例子。
arrA=numpy.array([10,20,30])
创建一个numpy数组
下面一行是创建一个数组。
arrA=numpy.arange(3)
这就像python中的range一样。这将创建一个大小为3的数组。
一些可用于numpy数组的基本函数
让我们来看看有哪些函数可以和数组一起使用以及它们的用途
import numpy as numpy
arrC=numpy.array([[10,20,30],[40,50,60]])
arrC.reshape(3,2)
输出:
arrayC(\[\[10,20\],
\[30,40\],
\[50,60\]\])
Reshape函数改变了列数和行数，所以在重塑数组后，我们将得到一个具有不同列数和行数的新视图。
Numpy中的一些数学函数
有一些数学函数可以与Numpy数组一起使用。下面是一些例子。
import numpy as numpy
arrA=numpy.array([[1,2,3],[4,5,6]])
arrB=numpy.array([[7,8,9],[10,11,12]])
numpy.add(arrA,arrB)
这个函数将数组arrA和arrB相加
输出:
arrayC(\[\[8, 10, 12\], \[14, 16, 18\]\] )
为什么我们要使用？
我们使用Python NumPy数组而不是列表，因为有以下三个原因:
- 内存占用少
- 快速的性能
- 工作方便
喜欢Python NumPy数组的第一个原因是它比Python列表占用的内存更少。然后，它的执行速度很快，同时，使用它工作起来也很方便和简单。
我们能用Numpy做什么？
在python中没有对Arrays的内置支持，但我们可以将python list作为Arrays使用。
arrayA = ['Hello', 'world'] print(arrayA)
但是它仍然是一个python列表，而不是一个数组。
所以Numpy出现了，我们可以用它来创建2D、3D即多维数组。此外，我们还可以对数组进行计算。
import numpy as num
arr = num.array([1,2,3,4,5,6])
print(arr)
创建Array arr。
然后，对于2D和3D数组。
import numpy as num
arr = num.array([(1,2,3,4,5),(6,7,8,9,10,11)])
print(arr)
-如果你想知道你的数组的尺寸，你可以简单地使用以下函数。
print(arr.ndim)
-如果你想知道一个数组的大小，你可以简单地使用下面的函数。
print(arr.size)
-要想知道一个数组的形状，你可以使用shape函数。
print(arr.shape)
它将告诉你（col, rows）的数量
你还可以使用numpy数组的切片、重塑和更多的方法。
我们为什么需要它？
为了对数组和矩阵进行逻辑和数学计算，我们需要它。它执行这些操作的效率很高，比Python列表更快。
优点
1.Numpy数组占用空间少。
NumPy的数组比Python列表小。一个Python列表可能需要20MB大小，而一个数组可能需要4MB。数组在读写时也很容易访问。
2.2. 速度性能也很好。它的计算速度比Python列表快。
由于它是开源的，它不需要任何成本，而且它使用的是非常流行的编程语言Python，它有高质量的库，几乎可以完成每一项任务。另外，将现有的C语言代码连接到Python解释器上也很容易。
职业发展
在编程语言中，Python是IT领域的一项趋势性技术。在全世界范围内，Python的职业机会正在迅速增加。由于Python是一种高级编程语言，因此，Python关注的是更快的代码可读性和更简洁的代码行数。Python是创建大大小小的动态脚本的最佳工具之一。
Python被广泛用于网络开发、编写脚本、测试、开发应用程序及其更新。因此，如果有人想成为Python专家，他们有很多职业选择，比如可以成为Python开发人员，Python测试员，甚至是数据科学家。
总结
正如我们所看到的，就其拥有的高质量的库函数而言，它真的很强大。任何人都可以只用几行代码来进行大型计算或计算。这就是它成为各种数值计算的伟大工具的原因。如果任何人希望成为一名数据科学家，那么他们可以尝试掌握。但首先，在成为Numpy的专家之前，你需要学习和了解python。
