NumPy
（重定向自Numpy）
NumPy是Python中科学计算的基本软件包。支持高阶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。
简介
时间轴
安装
pip安装
pip install NumPy
其他内置软件包
如果使用的是Anaconda等计算科学软件包，已经安装好了NumPy库。
导入NumPy
在脚本顶部导入，一般的NumPy导入方式如下：
import numpy as np
基础知识
数据类型
ndarray
NumPy提供了N维数组类型（N-dimensional array）即ndarray，它是NumPy的核心。这是一个表示多维度、同类型并且固定大小的数组对象。所有ndarray对象都有如下性质：
- 数组的每个元素占用相同大小的内存块，并且所有块的解释执行方式都一样。
- 数组中每个元素
了解更多 >> Numpy 手册：数组对象 Numpy 手册：ndarray对象
创建数组
常用创建数组方法：
| 命令 | 描述 | 格式 | 示例 |
|---|---|---|---|
| array() | 创建一个Numpy数组。 | numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None) | np.array([1,2,3]) 返回array([1, 2, 3])，将Python数组(列表)转化为Numpy数组(ndarray)。
|
| arange() | 等差数列的一维数组。 可指定区间和步长 | numpy.arange(start=0, stop, step=1, dtype=None, *, like=None) | 可指定区间和步长，区间左闭右开。 np.arange(2) 返回array([0, 1]) np.arange(6,11,step=2) 返回array([ 6, 8, 10])
|
| linspace() | 等差数列的一维数组。 可指定区间和个数，区间左闭右闭。 | numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0) | np.linspace(1,2,num = 2) 返回array([1., 2.]) np.linspace(1,100,num = 3) 返回array([ 1. , 50.5, 100. ])
|
| random.randint() | 随机整数的一维数组。可指定区间和个数，区间左闭右开。 | random.randint(low, high=None, size=None, dtype=int) | np.random.randint(0,100,size = 10) 返回有10个元素的一维数组，值为0到100（不包含）的随机整数。
|
| random.rand() | 指定形状的数组，值为0到1之间均匀分布的随机值（左闭右开） | random.rand(d0, d1, ..., dn) | np.random.randint(2,3) 返回一个形状2x3的随机数组。
|
| random.randn() | 指定形状的数组，值为标准正态分布随机值。 | random.randn(d0, d1, ..., dn) | np.random.randn(2,3) 返回一个形状2x3的随机数组。
|
| random.standard_normal() | 指定形状的数组，值为标准正态分布随机值。与random.randn()函数类似，参数不同。 | random.standard_normal(size=None) | np.random.standard_normal(size=(2,3)) 返回一个形状2x3的随机数组。
|
| random.normal() | 指定形状的数组，值为正态分布随机值。loc设置正态分布均值，scale设置标准差。 | random.normal(loc=0.0, scale=1.0, size=None) | np.random.normal(loc=80, scale=6, size=(3,60)) 返回一个形状3x60的随机数组。
|
| ones() | 返回一个使用1填充的并按指定形状和数据类型生成的新数组。 | numpy.ones(shape, dtype=None, order='C', *, like=None) | np.ones(2) 返回array([1., 1.])，是一维有2个元素的数组。np.ones((2,3)) 返回二维每维有3个元素的数组。
|
| ones_like() | 返回一个使用1填充，形状和数据类型与给定数组一样的新数组。 | numpy.ones_like（a，dtype = None，order ='K'，subok = True，shape = None ） | np.ones_like(nd1) 返回一个数组形状和数据类型与nd1一样，值使用1填充。
|
| zeros() | 返回给定形状和类型的新数组，并用0填充。 | numpy.zeros(shape, dtype=float, order='C', *, like=None) | np.zeros(2) 返回array([0., 0.])，是一维有2个元素的数组。np.zeros((2,3)) 是二维每维有3个元素的数组。
|
| zeros_like() | 返回一个使用0填充，形状和数据类型与给定数组一样的新数组。 | numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None) | np.zeros_like(nd1) 返回一个数组形状和数据类型与nd1一样，值使用0填充。
|
| full() | 返回给定形状和类型的新数组，并用fill_value填充。 | numpy.full(shape, fill_value, dtype=None, order='C', *, like=None) | np.full((2,3),fill_value=3.14) 返回形状为2x3，值为3.14的数组
|
| full_like() | numpy.full_like(a, fill_value, dtype=None, order='K', subok=True, shape=None) | ||
| empty() | |||
| empty_like() |
了解更多 >> Numpy 手册：数组创建示例 Numpy 手册：随机数
数组属性
常用属性：
| 属性 | 描述 |
|---|---|
| ndarray.shape | 数组形状 |
| ndarray.ndim | 数组的维数 |
| ndarray.size | 数组尺寸，即维数乘以每维元素个数。 |
| ndarray.dtype | 数组元素的数据类型。 |
| ndarray.itemsize | 一个数组元素的长度（以字节为单位）。 |
了解更多 >> Numpy 手册：数组属性
复制和视图
输入输出
| 命令 | 格式 | 描述 | |
|---|---|---|---|
| load() | 加载.npy或.npz文件，当加载含有多个数组的npz文件时，加载后使用['存储的某个键']获取某个数组。 | numpy.load（file，mmap_mode = None，allow_pickle = False，fix_imports = True，encoding ='ASCII' ） | np.load('test.npz')['np2']。
|
| save() | 将数组保存到.npy文件。 | numpy.save(file, arr, allow_pickle=True, fix_imports=True) | np.save('test.npy', np2) 保存np2数组到当前文件夹的test.npy中。
|
| savez() | 将多个数组以未压缩.npz格式保存到单个文件中。 | numpy.savez(file, *args, **kwds) | np.savez('123.npz', a=a, np2=np2) 保存a和np2两个数组到123.npz文件中 |
| savez_compressed() | 将多个数组以压缩.npz格式保存到单个文件中。 | numpy.savez_compressed(file, *args, **kwds) | |
| loadtxt() | 从文本文件读取数组。 | numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None, *, like=None) | np.loadtxt('test.txt',delimiter=',') 读取test.txt文件中的数组，分隔符为','。
|
| savetxt | 将数组保存到文本文件。 | numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header=, footer=, comments='# ', encoding=None) | np.savetxt('test.txt', nd1, fmt='%0.2f', delimiter=',') 保存nd1数组到test.txt文件中，格式为'%0.2f'，分隔符为','
|
了解更多 >> Numpy 手册：输入输出
索引
广播
通用函数
通用函数（Universal functions），简称ufunc，是一种ndarrays以逐个元素的方式运行的函数，支持数组广播，类型转换和其他几个标准功能。也就是说，ufunc是函数的“向量化”包装器，该函数采用固定数量的特定输入并产生固定数量的特定输出。
了解更多 >> Numpy 手册：通用函数
数学运算
三角函数
位运算函数
比较函数
资源
官网
- Numpy 官网：https://numpy.org/
- Numpy 文档：https://numpy.org/doc/stable/
- Numpy 手册：https://numpy.org/doc/stable/reference/index.html
- Github 主页 ：https://github.com/numpy/numpy
教程
书籍
- 《利用Python进行数据分析》 - 韦斯·麦金尼