目录
一、NumPy的ndarray：一种多维数组对象：
NuPy（Numerical Python）是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。
其提供最核心类型为多维数组类型（ndarray），支持大量的维度数组与矩阵运算，NumPy支持向量处理ndarray对象，提高程序运算速度。
NumPy最重要的一个特点就是N维数组对象（ndarray），该对象是一个快速而灵活的大数据集容器。ndarray是一个通用的同构数据的多维容器，也就是说，ndarray中的所有元素必须是相同类型的数据。
每个数据都有一个shap属性，定义了该ndarray的维度大小；一个dtype属性，定义了该ndarray的元素类型。
1.NumPy安装：
使用Anaconda Prompt或者CMD命令窗口进行安装：
pip install numpy
2.检测安装是否成功：
import numpy as np
a = np.arange(10)
print(a)
type()：返回当前参数的数据类型：
print(type(a))
二、数组创建：
1.array创建：
numpy模块的array函数可以生成多维数组。例如，如果要生成一个二维数组，需要向array函数传递一个列表类型的参数。每一个列表元素是一维的ndarray类型数组，作为二维数组的行。
另外，通过ndarray类的shape属性可以获得数组每一维的元素个数（元组形式），也可以通过shape[n] 形式获得每一维的元素个数，其中n是维度，从0开始。
import numpy as np
a = np.array([1, 2, 3, 4], dtype=float, ndmin=3)
print(a)
print(type(a))
NumPy中的ndarray对象：
导入NumPy模块
import numpy as np
定义一个NumPy的ndarray对象
data = np.array([[1, 2, 3, 4], [5, 6, 7, 8]], np.int32)
输出ndarray数组中元素数据类型
print(data.dtype)
输出ndarray对象结构
print(data.shape)
参数说明：
- dtype：设置创建numpy数组的数据类型
- ndmin：设置创建numpy数组的维度
range的使用：
range范围遵守左闭右开原则，包含start元素，不包含stop元素！
range(start, stop, step)
arange创建数组：
arange(start, stop, step, dtype)
2.随机数创建：
numpy.random.random(size = None)：该方法返回 [ 0.0，1.0）范围的随机数。size指定数组形状（元素个数）。
import numpy as np
a = np.random.random(size=10)
print(a)
print(type(a))
import numpy as np
创建一个二维数组：
a = np.random.random(size=(2, 2))
print(a)
print(type(a))
随机整数：
np.random.randint(low, hight=None, size=None, dtype="1")
dtype的使用：
import numpy as np
使用dtype指定数据类型，np包含许多的数组类型
a = np.random.randint(0, 10, size=(2, 3), dtype=np.int64)
print(a)
dtype属性：当前数组中的元素值类型
print(a.dtype)
3.创建正态分布数组：
randn函数返回一个或一组样本，具有标准正态分布（期望为0，方差为1）。dn表格每个维度。返回值为指定维度的array
np.random.randn(d0, d1, d2, ... ,dn)
import numpy as np
创建标准的正态分布：
a = np.random.randn(2, 3, 4)
print(a)
创建指定期望和方差的正太分布：
import numpy as np
normal：创建指定期望和方差的正态分布；默认期望：loc=0.0；方差scale=1.0
a = np.random.normal(0, 1, size=4)
print(a)
三、ndarray对象：
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。
ndarray对象是用于存放同类型元素的多维数组。
ndarray中的每个元素在内存中都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
NumPy的数组中比较重要ndarray对象属性有：
创建ndarray数组的其他方式：
ndarray数组除了可以使用底层的ndarray构造函数来创建以外，也可以通过以下几种方式创建。
1.zeros：
zeros创建指定大小的数组，数组元素以0来填充：
numpy.zeros(shape, dtype, order="C")
import numpy as np
创建以0填充的数组：
a = np.zeros(shape=(2, 3), dtype=float, order="C")
print(a)
2.ones：
numpy.ones：创建指定形状的数组，数组元素以1来填充：
numpy.ones(shape, dtype, order="C")
import numpy as np
创建以1填充的数组：
a = np.ones(shape=(2, 3), dtype=float, order="C")
print(a)
3.empty：
numpy.empty方法用来创建一个指定形状（shape）、数据类型（dtype）且初始化的数组，里面的元素的值是之前内存的值：
numpy.empty(shape, dtype, order="C")
4.linspace：
linspace函数用户创建一个一维数组，数组是一个等差数列构成的：
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
- endpoint：是否包含结束数值
- retstep：是否显示生成的数组中间显示间距
5.logspace：
numpy.logspace函数用于创建一个等比数列：
numpy.logspace(start, stop, endpoint, base, dtype=None)
四、切片和索引：
ndarray对象的内容可以通过索引或者切片来访问和修改，与Python中list的切片操作一样。
ndarray数组可以基于0-n的下标进行索引，并设置start，stop以及step参数进行，从原数组中割出一个新数组。
[start:stop:step]
修改一维数组的形状：
array.reshap((数组格式))
import numpy as np
a = np.arange(1, 11)
修改数组形状：
a = a.reshape((5, 2))
print(a)
数组的复制：
所有切片取出来的数组，即使把他赋值给了新变量，他仍然拥有全部原来数组的视图。（切片是地址赋值，不是值传递，修改了切片数组中元素值，会影响原来数组）
使用copy函数实现，值传递：
numpy.copy(原数组)
五、数组的相关操作：
1.改变数组得到维度：
处理数组的一项重要工作就是改变数组的维度，包含提高数组的维度和降低数组的维度，还包括数组的转置。NumPy提供的大量API可以很轻松地完成这些数组的操作。
例如，通过reshape方法可以将一维数组变成二维、三维或者多维数组。
通过ravel方法或flatten方法可以将多维数组变成一维数组。改变数组的维度还可以直接设置NumPy数组的shape属性（元组类型），通过resize方法也可以改变数组的维度。
转化前后，数组的元素个数要一致！
2.数组的拼接：
水平方向拼接：
通过hstack函数可以将两个或者多个数组水平组合起来形成一个数组，那么什么叫做数组的水平组合。现在有两个2*3的数组A和B：
使用hstack函数将两个数组水平组合的代码如下：
numpy.hstack([A, B])
最后，数组A和数组B在水平方向首尾连接起来，形成了一个新数组。
垂直方向拼接：
使用vstack函数，可以将多个数组进行垂直方向拼接：
numpy.vstack((A, B))
concatenate连接数组：
numpy.concatenate((a1, a2, a3, ... ), axis)
参数说明：
- a1，a2，……：相同类型的数组
- axis：沿着它连接数组的轴，默认为0
3.数组的分割：
numpy.spit函数沿着特定的轴将数组分割为子数组：
numpy.split(ary, indices_or_sections, axis)
参数说明：
- ary：被分割的数组
- indices_or_sections：如果是一个整数，就用数平分切分，如果是一个数组，为沿轴切分的位置。
- axis：沿着哪个维度进行切向，默认为0，横向切分。为1时纵向切分。
4.数组的转置：
使用transpose进行数组的转置操作：
numpy.transpose()
NumPy函数：
算数函数：
如果参与运算的两个对象都是ndarray，并且形状相同，那么会对位彼此之间进行（+
– * / ）运算。Numpy算术函数包含简单的加减乘除：add()，subtract()，multiply()和divide()。
统计函数：
统计函数，用于从数组中查找最小元素，最大元素，百分位标准差和方差等：
Original: https://blog.csdn.net/weixin_52058417/article/details/122684904
Author: 爱吃糖的范同学
Title: 【Python】NumPy数组和矢量计算
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/698166/
转载文章受原作者版权保护。转载请注明原作者出处！