NumPy是Python数组计算、矩阵运算和科学计算的核心库。
- 提供了高性能的数组对象
- 提供了大量的函数和方法
- NumPy使用机器学习中的操作变得简单
- NumPy是通过C语言实现的
NumPy的安装 pip install numpy
数组的分类
- 一维数组 跟Python列表的形状一样，区别在于数组的切片是针对原始数组
- 二维数组 以数组作为数组元素，二维数组包括行和列，类似于表格，又称为矩阵
- 三维数组（多维数组） 为数为三的数组元素，也称矩阵列表
轴的概念 ：轴是NumPy模块里的axis，指定某个axis就是沿着axis做相关操作
创建简单的数组
numpy.array(object,dtype=None,copy=True,ndmin=0)
不同方式创建数组
- 创建指定维度和数据类型未初始化的数组 np.empty()
- 创建指定维度以0填充的数组 np.zeros()
- 创建指定维度以1填充的数组 np.ones()
- 创建指定维度和类型的数组并以指定值填充 np.full()
从数值范围创建数组
- 通过数值范围创建数组 arange(start,stop,step,dtype=None)
- 使用linspace函数创建等差数列linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)
- 使用logspace函数创建等比数列 logspace(start,stop,num=50,endpoint=True,base=10.0,dtype=None)
生成随机数组
- 生成(0,1)之间的随机数组 np.random.rand()
- 随机生成满足正态分布的数组 np.random.randn()
- 生成一定范围内的随机数组 np.random.randint()
- 生成正态分布的随机数组 np.random.normal()
Numpy的数据类型比Python数据类型增加了更多种类的数值类型，为了区别于Python的数据类型，像bool、int、float等数据类型的名称末尾都加了 “_”
索引
- 用于标记数组当中对应元素的唯一数字，从0开始
- 索引的区间范围 [0~N-1]
- 索引的使用语法 obj[index]
数组计算模块NumPy(二）+https://developer.aliyun.com/article/1543958?spm=a2c6h.13148508.setting.26.1fa24f0ewU5jCe
