它在数组和矩阵操作上都非常方便，是开源的数值计算库

1. numpy介绍

1. numpy是用C语言实现的，做了并行处理，比python的列表直接计算数组要快很多

2. numpy有很多计算函数，包括线性变换、傅里叶变换、随机模块等

2. 数组

2.1. 优势

相比列表的优势

1. 减少编程量，因为已经进行了数组封装和优化

2. 运算效率，并行计算，C语言实现

3. 占用内存比较小

2.2. ndarray对象——numpy数组

数组的元素，类型必须统一，避免类型检查，提高速度

序号从0开始

2.3. 数组的创建

1.2.3.1. np.array(list)

a = np.array([1, 2, 3, 4, 5, 6])

b = np.array([[1, 2, 3], [4, 5, 6]])

np.array([[[3,5,6], [3,5,6]],[[4,5,7], [3,5,8]]])

2.3.2. 全零数组

c = np.zeros([2, 2])

2.3.3. 全1数组

np.ones()

2.3.4. 等间距数组

np.arange(10, 20, 2)

np.linspace(0, 100, 10)

2.4. 数组的类型

bool_

int_

intc

intp

int8

int16

int32

int64

unit8

float

float16

float32

float64

complex_

complex64

complex128

unit16

unit32

unit64

2.5. 切片与索引

2.5.1 一维数组

a = np.arrange(10)

索引：s = a[1], s = 1

切片：s = a[0:5], s = array([0,1,2,3,4])

步长切片：s = a[0:5:2], s = array([0, 2, 4])；s = slice(0, 5, 2), a[s] = array([0, 2, 4])

下标可以用负数

2.5.2. 二维数组

a = np.array([[0, 1, 2], [1, 2, 3], [2, 3, 4]])

a =

a[:2, 1:] =

a[2] = a[2, :] = a[2:, :] =

a[1, :2] = a[1:2, :2] =

2.5.3. 条件判断

2.6. 广播

对不同形状的数组，对较小的数组进行拓展，与较大数组进行匹配

np.array([1, 2, 3]) + np.array([5]) = array([6, 7, 8])

np.array([[1, 1, 1], [1, 1, 1], [1, 1, 1]]) + np.array([0, 1, 2]) = array([[1, 2, 3], [1, 2, 3], [1, 2, 3]])

np.array([[0], [1], [2]]) + np.array([0, 1, 2]) = array([[0, 1, 2], [1, 2, 3], [2, 3, 4]])

2.7. 常用方法

np.reshape()：定义形状

np.flat：展开成一维数组，必须用下标引用

np.trnspose()：转置，可以指定某一行或某一列的数据进行翻转

对于二维数组来说很好理解，但对于多维数组来说则不好理解，有机会再做展开。

np.stack()：拼接

np.insert()：指定位置插入

np.delete()：删除后返回新的数组

3. 矩阵

Numpy Matrix库

import numpy.matlib

np.matlib.empty()：返回未初始化的新矩阵，无意义的数值

np.matlib.zeros()：返回全0矩阵

np.matlib.ones()：返回全1矩阵

np.matlib.eye()：返回单位矩阵

np.matlib.identity()：返回单位矩阵

np.matlib.rand()：返回指定的随机数填充的矩阵

4. 数组转矩阵

a = np.array([1, 2, 3])

b = np.mat(a)

c = np.matrix(a)

如果a本身就是矩阵，b指向a，不新建，c一定是新建的

matrix b = matrix c = [[1 2 3]]

5. numpy中的运算

5.1. 矩阵相乘

a = np.mat([[1], [2], [3]])

b = np.mat([[1, 2, 3]])

c = a * b

d = np.dot(a, b)

c = d = matrix([[1 2 3] [2 4 6] [3 6 9]])

5.2. 元素相乘

c = np.multipy(a, b)

c = matrix([[1 4 9]])

c = a * 2

c = matrix([[2 4 6]])

5.3. 求逆和转置

6. 随机模块及常用方法

np.random.rand(size)：输出给定形状，范围在[0, 1)的随机数

np.random.randn([size])：输出在服从标准正态分布的随机数

np.random.randint(low[, high, size])：输出在[low, high)范围的整数

np.random.random(size)：范围在[0, 1)的随机数

np.random.beta(a, b [, size])：贝塔分布

np.random.lognormal([mean, sigma, size])：对数正态分布

np.random.normal([loc, scale, size])：正态分布

np.random.poisson([lam, size])：泊松分布

np.random.uniform([low, high, size])：均匀分布

7. 常用函数

7.1. 算术函数

三角函数：np.sin(), np.cos(), np.tan()

舍入函数：np.around(), np.floor(), np.ceil()

加减乘除：np.add(), np.subtract(), np.multipy(), np.divide()

余数：np.mod()

平方、乘方和方根：np.square(), np.pow(), np.sqrt()

7.2. 统计函数

最大最小值：np.amin(), np.amax()

中位数：np.median()

算术平均：np.mean()

加权平均：np.average()

标准差、方差：np.std(), np.var()