NumPy是一个开源的Python科学计算基础库,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 NumPy是SciPy,Pandas等数据处理或科学计算库的基础

1.Numpy的引用

import numpy as np

2.N维数组对象 ndarry

• 数组对象可以去掉元素间运算所需的循环,使一维向量更像单个数据
• 设置专门的数组对象,经过优化,可以提升这类应用的运算速度，科学计算中,一个维度所有数据的类型往往相同
• 数组对象采用相同的数据类型,有助于节省运算和存储空间

3.ndarray是一个多维数组对象，由两部分构成：

• 实际的数据
• 描述这些数据的元数据（数据维度、数据类型等）

4.ndarray 实例

import numpy as np
a= np.array([[2,5,7,7],
          [5,4,5,4]])
print(a)
[[2 5 7 7]
 [5 4 5 4]]

a 
array([[2, 5, 7, 7],
       [5, 4, 5, 4]])

5.ndarry对象的属性

截图20200414213426.png

b = np.array([[2,5,4,5],[2,4,5,4],[2,5,4,5]])
f=np.array([[b],[b]])
f.ndim
Out[58]: 4
f.shape
Out[59]: (2, 1, 3, 4)

6.ndarry的元素类型

截图20200414221755.png
截图20200414221941.png
截图20200414222032.png

7非同质的ndarray对象

ndarray数组可以由非同质对象构成
非同质ndarray对象无法有效发挥NumPy优势，尽量避免使用

a = np.array([[2,5,4,5,5,5,5,5,5],
              [2,4,5,7,5,5,5,5,5],
              [2,4,5]])
a.shape
Out[64]: (3,)
a.dtype
Out[65]: dtype('O')#O代表非同质ndarray元素为对象类型

截图20200414222636.png