Numpy 修炼之道（1） —— 什么是 Numpy

Numpy 是什么

简单来说，Numpy 是 Python 的一个科学计算包，包含了多维数组以及多维数组的操作。

Numpy 的核心是 ndarray 对象，这个对象封装了同质数据类型的n维数组。起名 ndarray 的原因就是因为是 n-dimension-array 的简写。

ndarray 与 python 原生 array 有什么区别

• NumPy 数组在创建时有固定的大小，不同于Python列表（可以动态增长）。更改ndarray的大小将创建一个新的数组并删除原始数据。
• NumPy 数组中的元素都需要具有相同的数据类型，因此在存储器中将具有相同的大小。数组的元素如果也是数组（可以是 Python 的原生 array，也可以是 ndarray）的情况下，则构成了多维数组。
• NumPy 数组便于对大量数据进行高级数学和其他类型的操作。通常，这样的操作比使用Python的内置序列可能更有效和更少的代码执行。
• 越来越多的科学和数学的基于Python的包使用NumPy数组，所以需要学会 Numpy 的使用。

Numpy 的矢量化（向量化）功能

如果想要将一个2-D数组 a 的每个元素与长度相同的另外一个数组 b 中相应位置的元素相乘，使用 Python 原生的数组实现如下：

for (i = 0; i < rows; i++): {
  for (j = 0; j < columns; j++): {
    c[i][j] = a[i][j]*b[i][j];
  }}

使用 Numpy 实现的话，则可以直接使用矢量化功能：

c = a * b

矢量化代码有很多优点，其中包括：

• 矢量化代码更简洁易读
• 更少的代码行通常意味着更少的错误
• 该代码更接近地类似于标准数学符号（使得更容易，通常，以正确地编码数学构造）
• 矢量化导致更多的“Pythonic”代码。如果没有向量化，我们的代码将会效率很低，难以读取for循环。

作者：无邪，个人博客：脑洞大开，专注于机器学习研究。