NumPy库

数据维度的Python表示

    数据维度是数据的组织形式

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

NumPy的引用

N维数组对象：ndarray

    • 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

    观察：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

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）

    ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始

ndarray实例

ndarray对象的属性

ndarray数组的元素类型

ndarray为什么要支持这么多种元素类型？

    对比：Python语法仅支持整数、浮点数和复数3种类型

    • 科学计算涉及数据较多，对存储和性能都有较高要求

    • 对元素类型精细定义，有助于NumPy合理使用存储空间并优化性能

    • 对元素类型精细定义，有助于程序员对程序规模有合理评估

非同质的ndarray对象

ndarray数组的创建方法

    • 从Python中的列表、元组等类型创建ndarray数组

    • 使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等

    • 从字节流（raw bytes）中创建ndarray数组

    • 从文件中读取特定格式，创建ndarray数组

（1）从Python中的列表、元组等类型创建ndarray数组

（2）使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等

（3）使用NumPy中其他函数创建ndarray数组

ndarray数组的变换

    对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换

ndarray数组的类型变换

ndarray数组的操作

    数组的索引和切片

    索引：获取数组中特定位置元素的过程

    切片：获取数组元素子集的过程

1. 一维数组的索引和切片：与Python的列表类似

2. 多维数组的索引：

3. 多维数组的切片

ndarray数组的运算

1. 数组与标量之间的运算

    数组与标量之间的运算作用于数组的每一个元素

2. NumPy一元函数

    对ndarray中的数据执行元素级运算的函数

NumPy一元函数实例

NumPy二元函数

NumPy二元函数实例