1_numpy_安裝_介紹_簡單使用

原創

qq_37892223

2019-02-19 06:42

numpy的安裝與簡單介紹

原文檔

安裝numpy

使用pip
```
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
```
在文件中導入numpy
```
import numpy as np
```
np是numpy模塊的別名，儘管別名可以省略或更改，建議使用上述約定俗成的別名
numpy的N維數組對象：ndarray

Python已有列表類型,爲什麼需要一個數組對象(類型)?

例如: 計算 A^2 +B^3 ,其中,A和B是一維數組。
```
 a = [0, 1, 2, 3, 4, ]
 b = [9, 8, 7, 6, 5, ]
 
 # 方法1
 def py_sum():
     c = []
     for i in range(len(a)):
         c.append(a[i] ** 2 + b[i] ** 2)
     print(c)
 
 py_sum() #[81, 65, 53, 45, 41]
 
 #方法2
 def np_sum():
     global a
     global b
     a = np.array(a)
     b = np.array(b)
     c = a ** 2 + b ** 2
     print(c)
 np_sum()#[81 65 53 45 41]
```
對比兩種方法:

方法2:
1. 數組對象可以去掉元素間運算所需的循環,使一維向量更像單個數據
2. 設置專門的數組對象,經過優化,可以提升這類應用的運算速度
3. 數組對象採用相同的數據類型,有助於節省運算和存儲空間
ndarray是一個多維數組對象，由兩部分構成
- 實際的數據
- 描述這些數據的原數據
ndarray對象的屬性
- 軸(axis):保存數據的維度；秩(rank):軸的數量
實例
```
 # ndarray屬性
 
 a = np.array(
     [[1, 2, 3, 4],
      [5, 6, 7, 8]]
 )
 print(a.ndim)  # 秩 2
 print(a.shape)  # 對象的尺度 n行m列 2行4列  (2,4)
 print(a.size)  # 對象的個數 n*m 8
 print(a.dtype)  # 元素類型 int64
 print(a.itemsize)  # 每個元素的大小，以字節爲單位  8
```
ndarray爲什麼要支持這麼多種元素類型?
- 對比:Python語法僅支持整數、浮點數和複數3種類型
  - 科學計算涉及數據較多,對存儲和性能都有較高要求
  - 對元素類型精細定義,有助於NumPy合理使用存儲空間並優化性能
  - 對元素類型精細定義,有助於程序員對程序規模有合理評估
非同質的ndarray對象：
```
 a = np.array(
     [[1, 2, 3, 4],
      [5, 6, 7]]
 )
 print(a.ndim)  # 秩 1
 print(a.shape)  # 對象的尺度 n行m列   (2,)
 print(a.size)  # 對象的個數 n*m 2
 print(a.dtype)  # 元素類型 object
 print(a.itemsize)  # 每個元素的大小，以字節爲單位  8
```
- 非同質元素爲對象類型
- 非同質的情況下，數組的各種屬性已發生變化，與同質情況不同，不必去深究它。
- 非同質ndarray對象無法有效發揮NumPy優勢,儘量避免使用