numpy小结

定义

numpy是进行科学运算不可或缺的工具,很多其他科学计算的库也是基于numpy的，比如pandas

numPy的部分功能如下：

1. ndarray，一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。
2. 用于对整组数据进行快速运算的标准数学函数（无需编写循环）。
3. 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
4. 线性代数、随机数生成以及傅里叶变换功能。
5. 用于集成由C、C++、Fortran等语言编写的代码的A C API。

NumPy之于数值计算特别重要的原因之一，是因为它可以高效处理大数组的数据。这是因为：

1. NumPy是在一个连续的内存块中存储数据，独立于其他Python内置对象。NumPy的C语言编写的算法库可以操作内存，而不必进行类型检查或其它前期工作。比起Python的内置序列，NumPy数组使用的内存更少。
2. NumPy可以在整个数组上执行复杂的计算，而不需要Python的for循环。

numpy的n维数组ndarray有两个属性，type和shape.

type:

数据类型表

数据类型表续

shape:

表示数组形状，比如(2，3)代表二维2行3列的数组，(2,3,4)代表的意思是两个二维行四列的数组:

arr(2,3,4)

数组本身可以进行一些计算比如定义了一个3*4的数组，则arr+arr就会把对应位置的数相加，arr(x,y)+arr(x,y),标量与数组的运算，则数组所有地方的原始都进行对应的运算，（包括加减乘除等运算）。，如果是比较则返回布尔值。

切片：

:表示所有的，x:表示从x开始到最后，:x表示从头开始到x-1，x:y表示从x到y。这里的x是从1开始的。

二维数组的索引方式。轴0作为行，轴1作为列。

二维数组索引方式

一些等价计算：

arr[1]=arr[:1,:]

切片等价计算

通用函数

即ufunc是一种对ndarray中的数据执行元素级运算的函数。你可以将其看做简单函数（接受一个或多个标量值，并产生一个或多个标量值）的矢量化包装器。

通用函数

二元通用函数

数学和统计方法

包括比如求和函数sum(),求平均值函数mean()等

基本数组统计方法2

唯一化和其他的逻辑计算

包括unique()函数和其他的逻辑运算函数

数组的集合运算

线性代数运算：

包括矩阵的乘法运算，矩阵分解，行列式以及其他矩阵数学等。

线性代数运算

伪随机数的生成

numpy.random模块对Python内置的random进行了补充，增加了一些用于高效生成多种概率分布的样本值的函数。例如，你可以用normal来得到一个标准正态分布的5x4样本数组：

random示列

常用函数：

常用函数

常用函数续