查看“NumPy”的源代码

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 
| [https://numpy.org/doc/stable/reference/arrays.html Numpy 手册：数组对象]
| [https://numpy.org/doc/stable/reference/generated/numpy.ndarray.html Numpy 手册：ndarray对象]
}}

===创建数组===

常用创建数组方法：
{| class="wikitable"  style="width: 100%;
! 命令
! 格式
! 描述
|- 
|array()
|numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)
|创建一个数组。  示例：<br \><code>np.array([1,2,3])</code> 返回array([1, 2, 3])，将Python数组(列表)转化为Numpy数组(ndarray)。
|-
| ones()
| numpy.ones(shape, dtype=None, order='C', *, like=None)
| 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。示例：<br \><code>np.ones(2)</code> 返回array([1., 1.])，是一维有2个元素的数组。<br \><code>np.ones((2,3))</code> 返回二维每维有3个元素的数组。
|- 
| ones_like()
| numpy.ones_like（a，dtype = None，order ='K'，subok = True，shape = None ）
| 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。示例：<br \><code>np.ones_like(nd1)</code> 返回一个数组形状和数据类型与nd1一样，值使用1填充。
|- 
| zeros()
| numpy.zeros(shape, dtype=float, order='C', *, like=None)
| 返回给定形状和类型的新数组，并用0填充。示例：<br \><code>np.zeros(2)</code> 返回array([0., 0.])，是一维有2个元素的数组。<br \><code>np.zeros((2,3))</code> 是二维每维有3个元素的数组。
|- 
| zeros_like()
| numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)
| 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。示例：<br \><code>np.zeros_like(nd1)</code> 返回一个数组形状和数据类型与nd1一样，值使用0填充。
|- 
|full()
|numpy.full(shape, fill_value, dtype=None, order='C', *, like=None)
|返回给定形状和类型的新数组，并用fill_value填充。示例：<br \><code>np.full((2,3),fill_value=3.14)</code> 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()
|
|
|- 
|arange()
|numpy.arange(start=0, stop, step=1, dtype=None, *, like=None)
|返回等差数列的一维数组。可指定区间和步长，区间左闭右开。 示例：<br \><code>np.arange(2)</code> 返回array([0, 1]) <br \><code>np.arange(6,11,step=2)</code> 返回array([ 6,  8, 10])
|- 
|linspace()
|numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
|返回等差数列的一维数组。可指定区间和个数，区间左闭右闭。示例：<br \><code>np.linspace(1,2,num = 2)</code> 返回array([1., 2.]) <br \><code>np.linspace(1,100,num = 3)</code> 返回array([  1. ,  50.5, 100. ])
|-
|random.randint()
|random.randint(low, high=None, size=None, dtype=int)
|返回随机整数的一维数组。可指定区间和个数，区间左闭右开。<br \><code>np.random.randint(0,100,size = 10)</code> 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()
|
|
|-
|random.randn()
|
|
|-
|random.normal()
|
|
|}



{{了解更多 
| [https://numpy.org/doc/stable/reference/routines.array-creation.html Numpy 手册：数组创建示例]
| [https://numpy.org/doc/stable/reference/random/index.html Numpy 手册：随机数]
 }}

===数组属性===

===复制和视图===

===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|[https://numpy.org/doc/stable/reference/ufuncs.html 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

===相关网站===
*[https://www.runoob.com/numpy/numpy-tutorial.html 菜鸟教程：Numpy ]
*[https://www.numpy.org.cn/ numpy.org.cn：Numpy ]

===书籍===
*《利用Python进行数据分析》 - 韦斯·麦金尼

==参考==
*[https://zh.wikipedia.org/wiki/NumPy 维基百科：NumPy]