学习numpy

前言

大学学习一直使用matlab处理矩阵，行列式运算，功能强大，但是这么多年基本忘光了。现在推荐算法，数据处理，机器学习，人工智能，数据分析处理在工作中的工作需求越来越大，目前很多有这些方面的需求，需要把相关的东西再拾回来。最近发现numpy，matplotlab，pandas，scipy可以完全替代matlab，而且因为各个模块免费的，网络教程相当丰富既然各个条件都满足，所以决定静下心来好好的复习，学习一下这些东西。首先学习numpy，一周左右弄清所有的概念和使用，会有4-6篇文章。

---

numpy相关说明：

NumPy 是一个运行速度非常快的数学库，主要用于数组计算。支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库，包含：

1. 一个强大的N维数组对象 ndarray
2. 广播功能函数
3. 整合 C/C++/Fortran 代码的工具
4. 线性代数、傅里叶变换、随机数生成等功能

numpy使用pip安装

1, 目前最新版都已经内置pip模块

python -m pip install --user numpy scipy matplotlib ipython jupyter pandas sympy nose
   

2, 检测是否安装成功

>>> import numpy as np
>>> np.__version__
'1.16.3'

3, NumPy Ndarray 对象

ndarray是一个N维，相同类型的数据的组合，每个元素占用相同类型的内存空间，并且以0开始索引。
ndarray 内部由以下内容组成：

1. 一个指向数据（内存或内存映射文件中的一块数据）的指针。
2. 数据类型或 dtype，描述在数组中的固定大小值的格子。
3. 一个表示数组形状（shape）的元组，表示各维度大小的元组。
4. 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

4, 创建ndarray对象

下面通过实例理解：

• 通过列表创建一维ndarray对象：

>>> a = [1,2,3,4]
>>> dt = np.array(a)
>>> print(dt)
[1 2 3 4]

• 通过列表创建二维ndarray对象：

>>> a = [[1,2,3],[4,5,6]]
>>> dt = np.array(a)
>>> print(dt)
[[1 2 3]
 [4 5 6]]

• 通过列表创建多维ndarray对象：

>>> a = [[[1,2,3]],[[4,5,6]]]
>>> dt = np.array(a)
>>> print(dt)
[[[1 2 3]]

 [[4 5 6]]]

带有类型的ndarray对象

• 通过列表创建带有dtype=float的ndarray对象：

>>> a = [[1,2,3],[4,5,6]]
>>> dt = np.array(a,dtype='float')
>>> 
>>> print(dt)
[[1. 2. 3.]
 [4. 5. 6.]]

• 通过列表创建带有dtype=float的ndarray对象：

>>> a = [[1,2,3],[4,5,6]]
>>> dt = np.array(a,dtype='complex')
>>> print(dt)
[[1.+0.j 2.+0.j 3.+0.j]
 [4.+0.j 5.+0.j 6.+0.j]]
>>> 

下面介绍一下上面说的dtype类型

dtype类型和Python中的数据类型一样，用来标识变量类型，不过numpy中的数据类型远比python类型要复杂，我们本章只做简单的介绍，后面会有单独的章节详细介绍。

• 整数类型：（分为有符号和无符号类型）

类型名	说明
int_	默认类型 int32或者int64
int8	有符号整数 （-128 到 127）
int16	有符号整数（-32768 到 32767）
int32	有符号整数（-2147483648 到2147483647）
int64	有符号整数（-9223372036854775808 到 9223372036854775807）
uint8	无符号整数（0 到 255）
uint16	无符号整数（0 到 65535）
uint32	无符号整数（0 到 4294967295）
uint64	无符号整数（0 到 18446744073709551615）

• 浮点类型

类型名	说明
float_	float64的简写类型
float16	半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32	半精度浮点数，包括：1 个符号位，8 个指数位，32 个尾数位
float64	半精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位

• 复数类型

类型名	说明
complex_	complex128的简写类型，即 128 位复数
complex64	表示双 32 位浮点数（实数部分和虚数部分）
complex128	表示双 64 位浮点数（实数部分和虚数部分）

除了数据类型和numpy数组还包括其他属性：

属性	说明
ndim	数组维度
size	数组元素个数
dtype	数组元素类型
itemsize	每个元素大小，占用的字节数
shape	数组的行列个数
nbytes	属性中所有的元素占用的字节数，不计算数组的开销，数组实际占用空间会大一些
type(dt)	数组类型

eg:

type(dt)
dim = dt.ndim
print(dim)
dtype = dt.dtype
print(dtype)
size = dt.size
print(size)
item = dt.itemsize
print(item)
shape = dt.shape
print(shape)

待续。。。。