开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第16天，点击查看活动详情

Numpy

介绍

NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据 统计，随机数生成等。其提供最核心类型为多维数组（ndarray），支持大量的维度数组 与矩阵运算，Numpy 支持向量处理 ndarray 对象，提高程序运算速度。

Numpy 安装

安装Numpy可以直接使用pip命令，即：pip install numpy

这个命令在Jupyter Notebook 和 Pycharm 中都是可以直接使用的。

Jupyter中：

Pycharm中：

除了这个办法，Pycharm也可以直接去它设置中添加

点击+号进入后直接搜索添加就行。

此外Pycharm还有一个十分便捷的补齐功能

即检测到未拥有的包可以直接点击install package 进行安装

测试Numpy安装是否成功

输入import numpy as np，只要没有报错那么就没有问题。

array 的创建

array 类似python基础中的list列表，是Numpy中十分常用的一个数据类型。

创建array的函数格式是：np.array()

其中的参数：

参数名称	描述
object	数组或嵌套数列
dtype	规定数组元素的数据类型
copy	设置数组是否可复制
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基数类型一致的数组
ndmin	指定数组生成的最小维度

举个例子：

import numpy as np
lis = [ i for i in range(5)]
array_1 = np.array(lis,ndmin=3)
array_2 = np.array(lis,dtype=float)
print(f"创建array的ndmin改成三是这样的：{array_1}")
print(f"创建array的dtype改成float是这样的：{array_2}")

结果：

ndarray的属性

ndarray实际上就只是在array的基础上引入的维度的概念。

这就像你普通创建一个array不设置ndmin，那么它就是一个普通的一维数组，那么你设置了它的ndmin属性或是直接创建个2维的array，那这些也就是ndarray。

这边先介绍一下ndarray拥有的属性：

属性名称	描述
shape	数组的形状，就像在二维里只有行列的概念，那么打印出shape就是打印数组有几行几列
ndim	数组的维数
size	数组中元素数量
itemsize	一个数组的长度（字节）
dtype	数组的类型

举个例子：

lis_2d = [[i for i in range(5)],[j for j in range(5,0,-1)]]
array_3 = np.array(lis_2d)
print(array_3)
print(f"正如这个数组，二维层面有2个元素，一维层面有5个元素。如：{array_3.shape}")
# shape属性就是打印出每个维度上有几个元素
print(array_3.ndim)
# 总共几维
print(array_3.size)
# 总共几个元素
print(array_3.dtype)
# 元素类型

结果：