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"
! 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) 
| <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)。
|-
| 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。 <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() 
|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) 
|<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() 
|  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) 
| <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() 
| 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) 
| <code>np.random.randint(2,3)</code>  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) 
|  <code>np.random.randn(2,3)</code>  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) 
| <code>np.random.standard_normal(size=(2,3))</code>  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) 
| <code>np.random.normal(loc=80, scale=6, size=(3,60))</code> 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) 
| <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() 
| 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 ） 
| <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() 
| 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) 
| <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() 
| 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) 
| <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() 
| 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) 
| <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() 
|  
|  
| 
|}

{{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===
常用属性：
{| class="wikitable"  style="width: 100%;
! 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 
| [https://numpy.org/doc/stable/reference/arrays.ndarray.html#array-attributes Numpy 手册：数组属性]
}}
===复制和视图===

===输入输出===
{| class="wikitable"
! 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' ） 
| <code>np.load('test.npz')['np2']</code>。
|-
| save() 
|  将数组保存到.npy文件。
| numpy.save(file, arr, allow_pickle=True, fix_imports=True) 
| <code>np.save('test.npy', np2)</code> 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) 
| <code>np.savez('123.npz', a=a, np2=np2)</code> 保存a和np2两个数组到123.npz文件中<br \>
|-
| 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) 
| <code>np.loadtxt('test.txt',delimiter=',')</code> 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) 
| <code>np.savetxt('test.txt', nd1, fmt='%0.2f', delimiter=',')</code> 保存nd1数组到test.txt文件中，格式为'%0.2f'，分隔符为','
|}
{{了解更多 
|[https://numpy.org/doc/stable/reference/routines.io.html 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|[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

===教程===
*[https://www.runoob.com/numpy/numpy-tutorial.html 菜鸟教程：Numpy ]
*[https://www.numpy.org.cn/ numpy.org.cn：Numpy 文档翻译]

===书籍===
*《利用Python进行数据分析》 - 韦斯·麦金尼

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

[[分类:数据分析]]