什么是numpy?

---

NumPy是一个功能强大的Python库，允许更高级的数据操作和数学计算,主要用于对多维数组执行计算。
广泛应用于机器学习模型，图像处理和计算机图形学和数学任务等。

---

安装numpy

---

在你的计算机上安装NumPy的最快也是最简单的方法是在shell上使用以下命令(要有python环境且配好的环境变量)：

pip install numpy

---

创建ndarray对象

---

1. 使用np.array()由python list创建

参数为列表： [1, 4, 2, 5, 3]

    注意

    1.numpy默认ndarray的所有元素的类型是相同的

    2.如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int

2. 使用np的routines函数创建

1).np.ones(shape, dtype=None, order='C')

2).np.zeros(shape, dtype=float, order='C')

3).np.full(shape, fill_value, dtype=None, order='C')

4).np.eye(N, M=None, k=0, dtype=float)

对角线为1其他的位置为0

5).np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

6).np.arange(start, stop, step = 5, dtype=None)

7).np.random.randint(low, high=None, size=None, dtype='l')

8).np.random.randn(d0, d1, ..., dn)

9).np.random.normal(loc=0.0, scale=1.0, size=None)

10).np.random.random(size=None)

---

ndarray的属性

---

四个常用参数：

ndim:维度

shape：形状（各维度的长度）

size：大小（总长度）

dtype：元素类型

unit8 无符号的int类型，正数 0 ~ 255 

int8   有符号正负号          -128 ~ 127 

---

ndarray的基础操作

---

索引与切片：

一维数组的单元素索引跟python序列（列表，元组）完全一样，它从零开始，并且接受负索引来从数组的结尾进行索引

与列表和元组不同，numpy数组支持多维数组的多维索引

如果索引索引数量少于维度的多维数组，则会得到一个子维数组

注意：x [1,3] = x [1] [3]， 但是第二种情况效率更低，因为一个新的临时数组在第一个索引后创建了，这个临时数组随后才被2这个数字索引。

可以对数组进行切片和步进，以提取具有相同数量维数的数组，但其大小与原始数据不同。切片和跨步的工作方式与对列表和元组完全相同，除此之外它们还可以应用于多个维度。

变形

使用reshape函数，注意参数是一个tuple

转置矩阵

级联

np.concatenate() 级联需要注意的点：

        级联的参数是列表：一定要加中括号或小括号

        维度必须相同

        形状相符

        重点：级联的方向默认是shape这个tuple的第一个值所代表的维度方向

        可通过axis参数改变级联的方向

np.hstack与np.vstack

        水平级联与垂直级联,处理自己，进行维度的变更

切分

与级联类似，三个函数完成切分工作：

np.split

np.vsplit

np.hsplit

副本

所有赋值运算不会为ndarray的任何元素创建副本。对赋值后的对象的操作也对原来的对象生效。

可使用copy()函数创建副本

---

ndarray的聚合操作

---

1. 求和np.sum

2. 最大最小值：np.max/ np.min

最小值同理

3. 其他聚合操作

        Function Name            NaN-safe Version                Description

                    np.sum                        np.nansum               Compute sum of elements

                    np.prod                        np.nanprod              Compute product of elements

                    np.mean                      np.nanmean             Compute mean of elements

                    np.std                          np.nanstd                 Compute standard deviation

                    np.var                          np.nanvar                 Compute variance

                    np.min                         np.nanmin                Find minimum value

                    np.max                        np.nanmax               Find maximum value

                    np.argmin                    np.nanargmin           Find index of minimum value

                    np.argmax                   np.nanargmax          Find index of maximum value

                    np.median                   np.nanmedian          Compute median of elements

                    np.percentile               np.nanpercentile     

                    np.any                       

                    np.all                          

                    np.power 幂运算

---

ndarray的矩阵操作

---

1. 基本矩阵操作

1). 算术运算符

        加减乘除

2). 矩阵积np.dot()

2. 广播机制

重要：ndarray广播机制的两条规则

            规则一：为缺失的维度补1

            规则二：假定缺失元素用已有值填充

---

ndarray的排序

---

快速排序

np.sort()与ndarray.sort()都可以，但有区别：

            np.sort()不改变输入

            ndarray.sort()本地处理，不占用空间，但改变输入

部分排序

np.partition(a,k)

有的时候我们不是对全部数据感兴趣，我们可能只对最小或最大的一部分感兴趣。

        当k为正时，我们想要得到最小的k个数

        当k为负时，我们想要得到最大的k个数