Python进阶：NumPy
Python本身没有处理矩阵的数据类型，因此需要使用附件的函数库。
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。这种扩展库可以用来存储和处理大型多维矩阵，比Python自身的列表结构要高效很多。
NumPy安装
cmd命令行输入如下命令：
C:\Users\Administrator>pip install numpyRequirement already satisfied: numpy in d:\anaconda3\lib\site-packages (1.15.4)# 我用的anaconda已经集成安装了numpyNumPy的基本使用
- numpy导入及数组创建
- 通过shape属性获取数组的大小
- 修改数组的shape属性
可以通过修改数组的shape属性，在保持数组元素个数不变的情况下，改变数组每个轴的长度。
下面的例子将数组c的shape改为(4, 3)。注意：从(3, 4)改为(4, 3)并不是对数组进行转置，而只是改变每个轴的大小，数组元素在内存中的位置并没有改变。
当某个轴的元素为 -1 时，将根据数组元素的个数自动计算此轴的长度，因此下面的代码将c的shape改为了(2, 6)。
此外，使用数组的reshape方法，可以创建一个改变了尺寸的新数组，原数组的shape保持不变。
- 数组的类型
数组元素的类型可以通过dtype属性获得，上面例子中的参数序列的元素都是整数，因此所创建的数组的元素类型也是整数，并且是32位的长整型。
可以通过dtype参数在创建时指定元素类型。
可以发现，现在数组元素都是浮点类型。
- 其他创建数组的方式
前面的例子都是先创建一个Python序列，然后通过array函数将其转换为数组，这样做效率较低，NumPy提供 了很多专门创建数组的函数。
1) arange函数类似于Python的range函数，通过指定开始值，终止值和步长来创建一维数组，需要注意的是数组不包含终止值。
2) linspace函数通过指定开始值、终止值和元素个数来创建一维数组，可以通过endpoint关键字来指定是否包含终止值，默认包含终止值。
3) logspace函数和linspace类似，但是他创建的是等比数列，下面的例子显示从2到64有个元素的等比数列。默认开始值和结束值都是10的幂，可以用base = n 修改。
- 数组元素的存取
数组元组的存取方法与Python的标准方法相同。
- ufunc运算
ufunc是一种能够对数组的每个元素进行操作的函数，numpy内置了许多ufunc函数都是在C语言级别实现的，因此，他们的运算速度非常快。请看例子：
可以发现，numpy.sin比math.sin快很多。
- 矩阵的运算
矩阵的运算可以使用dot函数计算。对于二维数组，它计算的是矩阵乘积，对于一维数组，它计算的是点积。
- 文件存取
numpy提供多种文件操作函数以方便用户存取数组内容。文件存取的格式分为两类，二进制和文本。二进制格式文件又分为numpy专用的格式化二进制类型和无格式化的二进制类型。
可以使用numpy.savetxt和numpy.loadtxt读写一维和二维数组。
import numpy as np #生成数据 x = np.arange(1,10,1).reshape(3,-1) #保存数据 np.savetxt('test.txt', x) # 默认按照'%.18e'格式保存数据（18个0科学计数法），以空格分割np.savetxt('test1.txt', x,fmt='%1.4e') np.savetxt('test2.txt', x, delimiter=',') np.savetxt('test3.txt', x,newline='a') np.savetxt('test4.txt', x,delimiter=',',newline='a') np.savetxt('test5.txt', x,delimiter=',',header='abc') np.savetxt('test6.txt', x,delimiter=',',footer='abc') 在jupyter nootbook中输入pwd查看当前目录，查看生成的7个文件内容差异。
如需查看文件内容，可以使用下面的代码：(保存格式不同，查看的代码也有差异）
np.loadtxt("test2.txt",delimiter=',')