NumPy(1) ---- 基本操作知識數組

一. Numpy簡介

matplotlib: 主要進行繪圖, 可視化顯示

numpy: 　主要進行數據運算

pandas:　 主要進行數據處理

1. Numpy優點

1. 一個強大的N維數組對象
2. 支持大量的數據運算
3. 集成C/C++和Fortran代碼的工具
4. 衆多機器學習框架的基礎庫

2. NumPy爲什麼快:

1. 內存塊是連續的(如下圖)
2. NumPy的並行化運算 (也叫向量化運算)
   

3. Python爲什麼慢:

1. Python是動態語言, 比較慢
2. Python帶有GIL, 不能發揮多核優勢.

4. 爲什麼web開發時和爬蟲時不感覺到Python慢:

1. 計算量比較小
2. 異步操作
3. 底層使用epoll

內存開銷排序: 多進程 > 多線程 > epoll

二. 數組基本操作

1. 基本概念

(1). ndarray (n維數組對象)

numpy提供了一個N維數組類型ndarray, 它描述了相同類型的"items"的集合.
每個item是由單獨的數據類型對象指定的, 除了基本類型(整數, 浮點數等)之外, 數據類型對象還可以表示數據結構.

(2). 數組的分類

一維數組: a = np.array([1, 2, 3])
二維數組: b = np.array([[1, 2, 3], [1, 2, 3], [1, 2, 3]])
三維數組: c = np.array( [ [[1, 2, 3], [4, 5, 6]], [[20, 5, 10], [24, 5, 30]] ] )

(3). 數組的屬性

例如:

   import numpy as np
   c = np.array( [  [[1, 2, 3], [4, 5, 6]], [[20, 5, 10], [24, 5, 30]]  ] )

c爲三維的數組, 下面圖片中c.shape的輸出(2, 2, 3)意思爲: 三維數組中有2個子集二維數組, 每個子集的二維數組中又有2個子集一維數組, 每一個一維數組中有3個元素, 所以輸出爲(2, 2, 3). 層層遞進, 往裏分解.

還有一個是

c.flags
輸出爲: C_CONTIGUOUS : True
       F_CONTIGUOUS : False
       OWNDATA : True
       WRITEABLE : True
       ALIGNED : True
       WRITEBACKIFCOPY : False
       UPDATEIFCOPY : False

2. 創建0和1數組

(1) 0數組的創建

import numpy as np
np.zeros([3, 4])

輸出爲:

array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

(2) 1數組的創建

import numpy as np
np.ones([3, 4])

輸出爲:

array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])

3. 從現有數據中創建數組

注意: np.array()和np.asarray()的區別, 下圖可以看出

4. 創建固定範圍的數組

np.linspace()和np.arange()

5. 創建隨機數組

(1) 均勻分佈. np.random.rand()和np.random.uniform()

(2) 正態分佈. np.random.normal()和np.random.standard_normal()

標準正態分佈, μ=0, σ =1.

正態分佈:

什麼是正態分佈:

正態分佈（Normal distribution），又名高斯分佈. 是一種概率分佈, 正態分佈是具有兩個參數μ和σ連續型隨機變量的分佈
第一個參數μ是服從正態分佈的隨機變量的均值，決定了其位置. 第二個參數σ^2是此隨機變量的方差, 所以正態分佈記做N(μ, σ^2). 標準差σ 決定了分佈的幅度. 當μ = 0,σ = 1時的正態分佈是標準正態分佈