Numpy-01（安装、Ndarray对象介绍创建及使用）

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。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

• 一个强大的N维数组对象 ndarray
• 广播功能函数
• 整合 C/C++/Fortran 代码的工具
• 线性代数、傅里叶变换、随机数生成等功能

 在日常中，NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。

• NumPy 官网 NumPy
• SciPy 官网：SciPy
• Matplotlib 教程：Matplotlib 教程
• Matplotlib 官网：Matplotlib — Visualization with Python

目录

1. Numpy的安装

2. Ndarray 对象

2.1 ndarray的介绍及数据结构

2.2 创建ndarray

3. 数据类型

3.1 numpy常见数据类型

3.2 数据类型对象（dtype） 

 4. 数组属性

4.1 numpy中常见的数组属性

4.2 属性的使用

4.2.1 ndarray.ndim

4.2.2  ndarray.shape

4.2.3 ndarray.itemsize

 5. 创建数组

5.1 numpy.empty

5.2 numpy.zeros

5.3 numpy.ones

6. 从已有的数组创建数组

6.1 numpy.asarray

6.2 numpy.frombuffer

7.  从数值范围创建数组

7.1 numpy.arange

7.2 numpy.linspace

7.3 numpy.logspace

---

1. Numpy的安装

 在大部分数据分析或机器学习的项目中，用户都会选择使用anaconda管理python环境和第三方库，在anaconda也集成有numpy及其相关依赖库供用户使用。anaconda安装步骤：
python基础-1（开发环境安装及配置anaconda 5.3.1+py3.7）_HM-hhxx！的博客-CSDN博客python3.7+anaconda下载安装及环境设置！https://blog.csdn.net/damadashen/article/details/126784638?spm=1001.2014.3001.5501而没有使用anaconda的用户可以使用pip安装numpy：

pip install numpy

 测试是否安装成功：

import numpy as np
a = np.array([2,3,4])
print (a)
 
 
#输出结果
#[2 3 4]

2. Ndarray 对象

2.1 ndarray的介绍及数据结构

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。并且ndarray对象是用于存放同类型元素的多维数组，每个元素在内存中都具有相同存储大小的区域。

ndarray 内部由以下内容组成：

• 一个指向数据（内存或内存映射文件中的一块数据）的指针。

• 数据类型或 dtype，描述在数组中的固定大小值的格子。

• 一个表示数组形状（shape）的元组，表示各维度大小的元组。

• 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

例如一个三行三列的数组：

 数据结构如下：

 2.2 创建ndarray

创建一个 ndarray 只需调用 NumPy 的 array 函数即可：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

其中：

3. 数据类型

 3.1 numpy常见数据类型

3.2 数据类型对象（dtype） 

数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：：

• 数据的类型（整数，浮点数或者 Python 对象）
• 数据的大小（例如， 整数使用多少个字节存储）
• 数据的字节顺序（小端法或大端法）
• 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分
• 如果数据类型是子数组，那么它的形状和数据类型是什么。

 dtype 对象是使用以下语法构造的：

numpy.dtype(object, align, copy)

其中

• object - 要转换为的数据类型对象
• align - 如果为 true，填充字段使其类似 C 的结构体。
• copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用

 示例：

 

 每个内建类型都有一个唯一定义它的字符代码，如下：

 4. 数组属性

4.1 numpy中常见的数组属性

4.2 属性的使用

4.2.1 ndarray.ndim

ndarray.ndim 用于返回数组的维数，等于秩。

4.2.2  ndarray.shape

ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。比如，一个二维数组，其维度表示"行数"和"列数"。

ndarray.shape 也可以用于调整数组大小。

 numpy中也提供reshape方法用于调整数组大小：

 4.2.3 ndarray.itemsize

ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。

例如，一个元素类型为 float64 的数组 itemsize 属性值为 8(float64 占用 64 个 bits，每个字节长度为 8，所以 64/8，占用 8 个字节）

 5. 创建数组

在numpy中，除了使用底层的ndarray构造器创建数组外，还有其他方式进行创造。

5.1 numpy.empty

numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

numpy.empty(shape, dtype = float, order = 'C')

 其中：

示例：

 5.2 numpy.zeros

创建指定大小的数组，数组元素以 0 来填充：

numpy.zeros(shape, dtype = float, order = 'C')

示例： 

或： 

 

 5.3 numpy.ones

创建指定形状的数组，数组元素以 1 来填充：

numpy.ones(shape, dtype = None, order = 'C')

示例：

6. 从已有的数组创建数组

6.1 numpy.asarray

numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。

numpy.asarray(a, dtype = None, order = None)

示例：

 6.2 numpy.frombuffer

numpy.frombuffer 用于实现动态数组。

numpy.frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。

numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

buffer 是字符串的时候，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b。

 示例：

7.  从数值范围创建数组

7.1 numpy.arange

numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象，根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。函数格式如下：

numpy.arange(start, stop, step, dtype)

例如：生成一个0-10，步长为2的数组（当初始值为0时可以省略，当步长为一时也可省略）。

 7.2 numpy.linspace

 numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

示例：从1-10的步长为一的int类型等差数列如下

 7.3 numpy.logspace

 numpy.logspace 函数用于创建一个于等比数列。格式如下：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

 示例：对数底数为2时，从0-9的每一个数值