NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫端朵，支持大量的維度數(shù)組與矩陣運算轧苫，此外也針對數(shù)組運算提供大量的數(shù)學函數(shù)庫仇冯。

NumPy 是一個運行速度非逞诖保快的數(shù)學庫浮禾，主要用于數(shù)組計算，包含：

• 一個強大的N維數(shù)組對象 ndarray
• 廣播功能函數(shù)
• 整合 C/C++/Fortran 代碼的工具
• 線性代數(shù)尺借、傅里葉變換绊起、隨機數(shù)生成等功能

一、Numpy安裝

使用pip工具安裝

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

--user 選項可以設(shè)置只安裝在當前的用戶下燎斩，而不是寫入到系統(tǒng)目錄虱歪。

Linux 下安裝
Ubuntu & Debian

sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose

CentOS/Fedora

sudo dnf install numpy scipy python-matplotlib ipython python-pandas sympy python-nose atlas-devel

Mac 系統(tǒng)

Mac 系統(tǒng)的 Homebrew 不包含 NumPy 或其他一些科學計算包，所以可以使用以下方式來安裝：

python -m pip install numpy scipy matplotlib

驗證是否成功：

?  ~ python3
Python 3.6.5 (default, May 28 2018, 22:41:59)
[GCC 4.2.1 Compatible Apple LLVM 9.1.0 (clang-902.0.39.1)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> from numpy import *
>>> eye(4)
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]])

1栅表、Numpy數(shù)據(jù)類型

NumPy支持比Python更多種類的數(shù)值類型笋鄙。下表列出了NumPy中定義的不同數(shù)據(jù)類型。

小技巧：int8，int16袁余，int32擎勘，int64 可替換為等價的字符串 'i1'，'i2'泌霍，'i4'货抄，其他類型也有類似的縮寫。

np.astype顯式地轉(zhuǎn)換數(shù)據(jù)類型
Numpy還有一些預先定義的特殊值：

比如：np.nan朱转、np.pi蟹地、np.e

np.nan： 缺失值，或者理解為'不是一個數(shù)'
np.pi:圓周率 3.1415926...
np.e:自然數(shù)e 2.718281828459045...

一藤为、Numpy 數(shù)組

1怪与、數(shù)組創(chuàng)建

1).使用array方法。使用Python列表或者原則作為參數(shù)如：

a1 = np.array([2,3,4])
a2 = np.array((1,23,3))

數(shù)組的類型將根據(jù)序列中元素的類型推導出來缅疟。同時array自動將二維或三維序列轉(zhuǎn)換為對應(yīng)的二維或者三維數(shù)組分别。
Numpy數(shù)組被創(chuàng)建時也可以制定數(shù)據(jù)的類型如：

c = np.array([2,3,4], dtype=complex)

我們也可以創(chuàng)建一個都是0的數(shù)組或者都是1的數(shù)組例如：
使用zero創(chuàng)建一個都是0的數(shù)組：

b1 = np.zeros((3,4))
b = np.zeros((5,), dtype=np.float)

創(chuàng)建一個全部為1的數(shù)組

np.ones((2,3,4), dtype=np.int16) # 制定類型

創(chuàng)建一個為空的數(shù)組：

np.empty((2,3))

可能返回未初始化的垃圾數(shù)值，不安全

創(chuàng)建一個全有8組成的數(shù)組：

np.full((3,4), 8)

2). 返回array序列函數(shù)

使用arange返回array序列函數(shù)：np.arange(start, stop, step, dtype)
使用linspace函數(shù)：np.linspace(start, stop, num. endpoint, retstep, dtyp)
備注：arange浮點會有精度問題存淫，可以使用linspace耘斩。
更多類似的函數(shù)有：array, zeros, zeros_like, ones, ones_like, empty, empty_like, arange, linspace, numpy.random.rand, numpy.random.randn, fromfunction, fromfile。

2桅咆、數(shù)組運算

對數(shù)組進行算術(shù)運算括授，就會對整個數(shù)組的所有元祖進行逐一運算，并將運算結(jié)果保存在一個新數(shù)組內(nèi)岩饼，不破壞原始數(shù)組荚虚。

>>> a = np.array([20,30,40,50])
>>> b = np.arange(4)
>>> b
array([0, 1, 2, 3])
>>> c = a+b
>>> c
array([20, 31, 42, 53])
>>> b**2
array([0, 1, 4, 9])
>>> np.sin(a)
array([ 0.91294525, -0.98803162,  0.74511316, -0.26237485])

計算矩陣乘法：使用@或者dot(),如

>>> A = np.array([[1,1], [0,1]])
>>> B = np.array([[2,0], [3,4]])
>>> A @ B
array([[5, 4],
       [3, 4]])
>>> A.dot(B)
array([[5, 4],
       [3, 4]])

對于+=和 *=這一類操作符，會修改原始的數(shù)組籍茧，而不是新建一個版述。

3、通用函數(shù)

下面是部分二元通用函數(shù)：

4、索引切片迭代

Numpy的切片操作吮龄，默認是修改原數(shù)組的檬某，而不是原生Python那樣，以復制為主螟蝙。

>>> a = np.arange(10)**3
>>> a
array([  0,   1,   8,  27,  64, 125, 216, 343, 512, 729])
>>> a[2]
8
>>> a[2:5]
array([ 8, 27, 64])
>>> a[:6:2]
array([ 0,  8, 64])
>>> a[:6:2]=-1000
>>> a
array([-1000,     1, -1000,    27, -1000,   125,   216,   343,   512,
         729])
>>> a[::-1]
array([  729,   512,   343,   216,   125, -1000,    27, -1000,     1,
       -1000])

5、添加刪除去重

下面是幾個常見的數(shù)組操作：

• append:將值添加到數(shù)組末尾
• insert: 沿指定軸將值插入到指定下標之前
• delete: 返回刪掉某個軸的子數(shù)組的新數(shù)組
• unique: 尋找數(shù)組內(nèi)的唯一元素

6民傻、形狀變換

可以通過數(shù)組的shape屬性胰默，查看它的形狀场斑，reshape方法不會修改數(shù)組本身，resize則正好相反：

7牵署、堆積數(shù)組

可以在不同的軸上堆積數(shù)組：

>>> a = np.floor(10*np.random.random((2,2)))
>>> a
array([[7., 4.],
       [8., 8.]])
>>> b = np.floor(10*np.random.random((2,2)))
>>> b
array([[3., 0.],
       [0., 1.]])
>>> np.vstack((a,b))
array([[7., 4.],
       [8., 8.],
       [3., 0.],
       [0., 1.]])
>>> np.hstack((a,b))
array([[7., 4., 3., 0.],
       [8., 8., 0., 1.]])
>>> np.column_stack((a,b))
array([[7., 4., 3., 0.],
       [8., 8., 0., 1.]])

8漏隐、分割數(shù)組

使用hsplit，可以沿著數(shù)組的水平軸拆分數(shù)組奴迅，方法是指定要返回的相等形狀數(shù)組的數(shù)目青责，或者指定在其后面進行拆分的列：

>>> a = np.floor(10*np.random.random((2,12)))
>>> a
array([[3., 3., 9., 3., 3., 1., 6., 5., 2., 2., 3., 5.],
       [8., 1., 4., 0., 0., 1., 5., 9., 9., 0., 8., 9.]])
>>> np.hsplit(a,3)
[array([[3., 3., 9., 3.],
       [8., 1., 4., 0.]]), array([[3., 1., 6., 5.],
       [0., 1., 5., 9.]]), array([[2., 2., 3., 5.],
       [9., 0., 8., 9.]])]
>>> np.hsplit(a, (3,4))
[array([[3., 3., 9.],
       [8., 1., 4.]]), array([[3.],
       [0.]]), array([[3., 1., 6., 5., 2., 2., 3., 5.],
       [0., 1., 5., 9., 9., 0., 8., 9.]])]
>>> np.array_split(a,3)
[array([[3., 3., 9., 3., 3., 1., 6., 5., 2., 2., 3., 5.]]), array([[8., 1., 4., 0., 0., 1., 5., 9., 9., 0., 8., 9.]]), array([], shape=(0, 12), dtype=float64)]
>>> np.array_split(a,3, axis=0)
[array([[3., 3., 9., 3., 3., 1., 6., 5., 2., 2., 3., 5.]]), array([[8., 1., 4., 0., 0., 1., 5., 9., 9., 0., 8., 9.]]), array([], shape=(0, 12), dtype=float64)]
>>> np.array_split(a,3, axis=1)
[array([[3., 3., 9., 3.],
       [8., 1., 4., 0.]]), array([[3., 1., 6., 5.],
       [0., 1., 5., 9.]]), array([[2., 2., 3., 5.],
       [9., 0., 8., 9.]])]

9、視圖和復制

在操作或變換數(shù)組的時候取具，有時候會修改數(shù)組本身脖隶，有時候又不會，具體分為下面三種情況：

• 完全不復制
• view視圖(view)
• 深度拷貝(copy)

10暇检、統(tǒng)計方法

11产阱、隨機數(shù)

numpy 帶一個random模塊，下表是部分函數(shù)：