# import numpy

:Python 的第三方库,用于进行多维数组、矩阵的运算。

# 原理

  • numpy 的底层函数是基于 C 语言实现,运行效率很高。例如:

    • 在 Python 中让两个一维列表相乘的代码通常为:
      c = []
      for i in range(len(a)):
          c.append(a[i]*b[i])
      
    • 在 numpy 底层让两个一维数组相乘的代码通常为:
      for (i = 0; i < length; i++): {
          c[i] = a[i]*b[i];
      }
      
    • 在 Python 中调用 numpy 的代码很简洁:
      c = a * b
      
  • numpy 使用 ndarray 类存储数组,简称为 array 。

    • 数组的维(dimensions)称为轴(axes)。
    • 数组中所有元素的数据类型必须相同,通常为数值。
    • 数组在创建之后的大小是固定的,更改数组的大小会删除原数组并创建一个新数组。

# 创建数组

  • 创建一维数组:

    >>> import numpy as np
    >>> a = np.array([1, 2, 3])   # 传入一个 Python 列表,创建数组
    >>> a
    array([1, 2, 3])
    
    • 相关 API :
      def array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0)
      
  • 创建二维数组:

    >>> b = np.array([(1 , 2, 3), (4.0, 5., -6)]) 
    >>> b
    array([[ 1.,  2.,  3.],
          [ 4.,  5., -6.]])
    >>> b.dtype
    dtype('float64')
    
    • 该数组有 2 个轴,第一个轴的长度为 2 ,第一个轴的长度为 3 。
    • 如果输入的某个数组元素为浮点型,则所有元素都会保存为浮点型。
  • 数组的常用属性:

    >>> a.ndim      # 轴数
    1
    >>> a.shape     # 形状,是一个元组,包含每个轴的长度
    (3,)
    >>> a.size      # 元素的总数
    3
    >>> a.dtype     # 元素的类型
    dtype('int32')
    >>> a.dtype.name 
    'int32'
    >>> a.itemsize  # 每个元素占用的存储空间,单位为 bytes
    4
    
  • 数组的常用方法:

    >>> a.sum()
    6
    >>> a.min() 
    1
    >>> a.max()
    3
    

# 数组运算

  • 算术运算:

    >>> a - b
    array([[ 0.,  0.,  0.],
          [-3., -3.,  9.]])
    >>> a + b 
    array([[ 2.,  4.,  6.],
          [ 5.,  7., -3.]])
    >>> a * b 
    array([[  1.,   4.,   9.],
          [  4.,  10., -18.]])
    >>> a / b 
    array([[ 1.  ,  1.  ,  1.  ],
          [ 0.25,  0.4 , -0.5 ]])
    >>> a % b
    array([[ 0.,  0.,  0.],
          [ 1.,  2., -3.]])
    >>> a ** 2  
    array([1, 4, 9], dtype=int32)
    
  • 逻辑运算:

    >>> a == 1
    array([ True, False, False])
    >>> a < 2
    array([ True, False, False])