NumPy数组详解 玩转NumPy（1）

转载是一种动力 分享是一种美德

1

什么是Numpy数组

NumPy是Python中科学计算的基础软件包。它是一个提供多维数组对象，多种派生对象（如被屏蔽的数组和矩阵）以及用于数组快速操作的例程，包括数学，逻辑，形状操作，排序，选择，I / O ，离散傅立叶变换，基本线性代数，基本统计运算，随机模拟等等。

2

Numpy数组的优势

NumPy包的核心是ndarray对象。这封装了同类数据类型的n维数组，其中许多操作都是在编译代码中执行以获得性能。NumPy数组和标准Python序列之间有几个重要的区别：

NumPy数组在创建时具有固定大小，与Python列表（可以动态增长）不同。更改ndarray的大小将创建一个新数组并删除原始数组。

NumPy数组中的元素都需要具有相同的数据类型，因此在内存中的大小相同。例外情况：可以有（Python，包括NumPy）对象数组，从而允许不同大小元素的数组。

NumPy数组有助于对大量数据进行高级数学和其他类型的操作。通常，这些操作的执行效率更高，代码更少，而使用Python内置序列的代码更少。

3

NumPy的基本操作

NumPy的主要对象是齐次多维数组。它是一个元素表（通常是数字），所有相同类型，由正整数的元组索引。在NumPy维度被称为轴。NumPy的数组类中有很多重要的属性，下面列举出比较常见的属性。首先我们创建一个数组类：

nrange中有很多种要的属性：

ndarray.ndim

阵列的轴数（维度）

ndarray.shape

数组的尺寸。这是一个整数的元组，表示每个维度中数组的大小。对于具有n行和m列的矩阵，将是。因此元组的长度是轴的数量，

ndarray.size

数组元素的总数。这等于元素的产物

ndarray.dtype

一个描述数组中元素类型的对象。可以使用标准的Python类型创建或指定dtype。另外NumPy提供它自己的类型。numpy.int32，numpy.int16和numpy.float64就是一些例子

ndarray.itemsize

数组中每个元素的字节大小。例如，类型元素数组有8（= 64/8），而其中一个类型有4（= 32/8）。这相当于

ndarray.data

该缓冲区包含数组的实际元素。通常，我们不需要使用此属性，因为我们将使用索引设施访问数组中的元素

▼