Numpy 基础

1. 操作对象：
   Vectors：一组相同的对象，方便计算。
   Metrics：二维矩阵
   Arrays：多维数组。
   Vectorized computing 向量化计算，批量对数据进行处理。
2. 实际语法
   import numpy as np #导入 numpy 包
   lst = [10, 20, 30, 40] #可以创建列表 []
   arr = np.array([10, 20, 30, 40]) #也可以传入列表来创建一个数组
   lst[1] #用下标来访问列表内容。
   arr[0] # array 是一维数组，也用类似列表方式访问。
   arr[-1] #访问最后一个参数
   arr[2:] #从下标2开始的所有对象
   lst[-1] = 'a string inside a list' #List 对象可以异质， Array 必须同质
   arr.dtype # dtype 可以了解数据类型
   arr[-1] = 1.234 #数据将会被强制转型为 1
   np.zeros(5, dtype=float) #可以创建初始值为0，1的数组
   np.zeros(3, dtype=complex) #还可以创建复数
   np.ones(5,dtype = float)
   a = np.empty(4) #可以创建空数组，并用自己需要进行赋值。
   a.fill(3.7)
   np.arange(5) #创建递增序列
   np.linespace(0,10,6) #创建0，2，4，6，8，10 的等差数列
   np.logspace(1,3,4) #创建10的1次方，到10的3次方之间的对数 数列
   np.random.randn(5) #创建随机值数组
   np.random.normal(10,2,5)#创建符合正态分布的均值10，标准差2的数列
   norm10[norm10 > 9] = 0 #可以按条件选取对象，只要大于9的都赋为0
   lst2 = [[1,2],[3,4]] #创建二维数组
   lst2[0,1] #直接用下标访问
   arr = np.random.normal(10,3,(2,4))
   arr.reshape(4.2) #改变数组形状
   arr1 = arr #数组复制是指针，修改内容其它数组也会变化
   arr2[:,2] #数组可以切片访问, 代表所有行，下标2的第3列
   arr2[1] #指第2行
   arr2.min()#最小值
   arr2.max()#最大值
   arr2.sum()#求和
   arr2.prod()#求积
   arr2.mean()#平均值
   arr2.std()#标准差
   arr2.sum(axis = 1) #不考虑第2个维度求和
   arr.T # 转置
   arr1 + arr2 #每个位置分别相加
   1.5 * arr1 #低维会向高维补足,每个位置都 1.5
   Paste_Image.png
   np.dot(V1,V2) # dot 代表矩阵乘法
   np.savetxt('test.out', arr, fmt='%.2e', header="My dataset") #保存到磁盘
   arr2 = np.loadtxt('test.out') #读取数据

补充阅读材料

1. numpy.org
2. 利用python 进行数据分析 第4章
   3 Numerical Python 第2章
3. Scipy Lectures 第3章
4. 欧姆社学习漫画：漫画线性代数

作业

使用循环和向量化两种不同的方法来计算100以内质数之和。
模拟一个醉汉在二维空间上的随机漫步。
使用梯形法计算一个二次函数的数值积分。