NumPy入门（一）

我打算用三篇文章介绍NumPy。NumPy是Python的一个库，主要用于处理数组。数组在数据领域到底有多重要呢？数组可以看做数据的最基本储存形式，在数组的基础上，有数据框，数据库等。要自己编程开发数据科学，数组是必须学习的。目前在实际使用方面，二维数组(实际就是个矩阵)是最常用的。像图像识别、数组识别、验证码识别这些方面，常把图片中的像素点转换成矩阵；文本领域，把词语转换为二进制矩阵。在学术研究方面，几乎大部分统计学科需要使用矩阵。所以说不管一个人要从事与数据有关的哪个方面，都必须学习矩阵。

NumPy(读/nʌmpi/，类似“那么皮”)是目前Python最火热的一个高效储存和操作数据的接口。通过使用NumPy的数组，Python就会成为你手中的矩阵计算器，就像R和Matlab那样。在这方面，R和Matlab的语言比Python更贴近于数学语言，这是二者的优点，但是速度快、效率高则是NumPy的优势。

安装NumPy，可以直接安装Anaconda这个大包(建议这样安装)，也可以直接pip，一般来说，import后不出现错误就说明安装成功了。像大多数论坛和社区的习惯那样，本文也用np作为别名导入NumPy：

import numpy as np

创建基本数组

python支持这些类型的数据：

为什么要特别注意数据类型呢？因为NumPy数组是固定类型的，如果你事先创建了一个整型数组，那么当你把一个非整型数字赋值给该数组时，这个非整型的数字将被强制转换为整型。

创建特殊数组

索引、切片、变形、组合、分割

索引

首先简单谈一谈Python中元素的编号。与C++等语言类似，Python数组中元素的初始编号也是0，而不是像R中的初始编号为1。比如[8,87,65,12]这个数组，在Python中第一个元素8的编号为0，第二个元素87的编号为1，以此类推。但是在R语言中，第一个元素8的编号则为1。这一点很重要，应避免弄混。

以上面的f与h两个数组做示例：

切片

python切片的语法是：

数组名[开始元素:终止元素:步长]，切片得到的结果包括开始元素，但是不包括终止元素。

还是以f和h两数组做示例：

需要特别注意，NumPy数组的切片属于提取子数组，相当于局部放大，并不是创建了一个副本。所以在修改NumPy数组的切片时，原始数组也会改变。如果不想这样，可以对原始数组使用.copy()方法，创建一个副本。

变形

利用.reshape(())函数修改某一数组的行列数：

组合

利用concatenate函数实现多个数组之间的拼接:

分割

与组合对应的就是分割。

有点累啊！

后面的下次再写。