NumPy - 简介

NumPy 是一个 Python 包。它代表 “Numeric Python”。它是一个由多维数组对象和用于处理数组的例程集合组成的库。 Numeric，即 NumPy 的前身，是由 Jim Hugunin 开发的。也开发了另一个包 Numarray ，它拥有一些额外的功能。 2005年，Travis Oliphant 通过将 Numarray 的功能集成到 Numeric 包中来创建 NumPy 包。这个开源项目有很多贡献者。

NumPy 操作

使用NumPy，开发人员可以执行以下操作：

数组的算数和逻辑运算。
傅立叶变换和用于图形操作的例程。
与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。

NumPy – MatLab 的替代之一

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，是一个流行的技术计算平台。但是，Python 作为 MatLab 的替代方案，现在被视为一种更加现代和完整的编程语言。 NumPy 是开源的，这是它的一个额外的优势。

NumPy - Ndarray 对象

NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。它描述相同类型的元素集合。可以使用基于零的索引访问集合中的项目。 ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象（称为 dtype）。 ndarray类的实例可以通过本教程后面描述的不同的数组创建例程来构造。基本的ndarray是使用 NumPy 中的数组函数创建的

Ndarray的生成方法

import numpy as np

# numpy.array(p_object, dtype=None, copy=True, order=‘K’, subok=False, ndmin=0) 从数组中生成矩阵
‘’’
object : 数组类对象或者返回数组的方法
dtype : 数组的所需数据类型，可选
copy : 默认为True，对象是否被复制,可选
order : {‘K’, ‘A’, ‘C’, ‘F’} 数组在内存的存放次序，K:尽可能和原数组一致,A:如果原数组是列相邻，按列存储，C:按行，F:按列
subok : 默认情况下，返回的数组被强制为基类数组。如果为true，则返回子类
ndmin : 数组的最小维数
‘’’
ndarray1 = np.array([1, 2, 3]) # 一维数组
ndarray2 = np.array([[1, 2, 3], [4, 5, 6]]) # 二维数组
ndarray3 = np.array([1, 2, 3], ndmin=2) # 最少是二维数组
ndarray4 = np.array([1, 2, 3], dtype=np.int32) # 指定数组数据类型是整型
print(ndarray1)
print(ndarray2)
print(ndarray3)
print(ndarray4)
# numpy.empty(shape, dtype=None, order=‘C’) 生成空矩阵
‘’’
shape : 矩阵形状,整型元组或者整数
‘’’
ndarray5 = np.empty([2, 2])
print(ndarray5)
# numpy.empty_like(prototype, dtype=None, order=‘K’, subok=True) 按之前的矩阵，仿照一个新的矩阵
‘’’
prototype:仿照的矩阵,按仿照矩阵的类型生成新矩阵
‘’’
ndarray6 = np.empty_like(ndarray5) # 仿照之前矩阵，生成新矩阵
print(ndarray6)
# numpy.eye(N, M=None, k=0, dtype=float, order=‘C’) 生成对角矩阵（主对角线上元素都为1，其他元素都为0
# numpy.identity(n, dtype=None) # 生成对角矩阵
‘’’
N : 行数
M : 列数，可以不写，默认和行相等
k : 对角线偏移量，正数向右上方偏移，负数向左下方偏移
‘’’
ndarray7 = np.eye(4, 5) # 生成45对角矩阵
ndarray8 = np.eye(4, k=1) # 生成44对角矩阵,对角线向上偏移一位
ndarray9 = np.identity(4) # 生成4*4对角矩阵
print(ndarray7)
print(ndarray8)
print(ndarray9)

# numpy.ones(shape, dtype=None, order=‘C’) 生成指定形状的矩阵,内容填充1
# numpy.ones_like(shape, dtype=None, order=‘C’) 仿照之前的矩阵,内容填充1
# numpy.zeros(shape, dtype=None, order=‘C’) 生成指定形状的矩阵,内容填充0
# numpy.zeros_like(shape, dtype=None, order=‘C’) 仿照之前的矩阵,内容填充0
# numpy.full(shape, fill_value, dtype=None, order=‘C’) 生成指定形状的矩阵,内容填充fill_value
# numpy.full_like(shape, fill_value, dtype=None, order=‘C’) 仿照之前的矩阵,内容填充fill_value
ndarray10 = np.ones(5)
ndarray11 = np.ones_like(ndarray10)
print(ndarray10)
print(ndarray11)
ndarray12 = np.zeros(4)
ndarray13 = np.zeros_like(ndarray10)
print(ndarray12)
print(ndarray13)
ndarray14 = np.full((4,), fill_value=“www.jsledd.cn”)
ndarray15 = np.full_like(ndarray10, fill_value=1)
print(ndarray12)
print(ndarray13)

# numpy.frombuffer(buffer, dtype=None, count=-1, offset=0) frombuffer将data以流的形式读入转化成ndarray对象
‘’’
buffer : 任何暴露缓冲区借口的对象
count : 需要读取的数据数量，默认为-1，读取所有数据
offset : 需要读取的起始位置，默认为0
‘’’
ndarray16 = np.frombuffer(b’www.jsledd.cn’, dtype=‘S1’)
print(ndarray16)
# numpy.fromiter(iterable, dtype, count=-1) 可迭代对象生成新的一维数组
‘’’
iterable 可迭代对象
‘’’
ndarray17 = np.fromiter(iter(range(5)), dtype=float)
print(ndarray17)
# numpy.arange(start=None, stop=None, step=None, dtype=None) 从数值范围创建数组
‘’’
start : 范围的起始值，默认为0
stop : 范围的终止值（不包含）
step : 两个值的间隔，默认为1
‘’’
ndarray18 = np.arange(10, 50, 3)
print(ndarray18)

# numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 此函数类似于arange()函数。
# 在此函数中，指定了范围之间的均匀间隔数量，而不是步长
‘’’
stop : 序列的终止值，如果endpoint为true，该值包含于序列中
num : 要生成的等间隔样例数量，默认为50
endpoint : 序列中是否包含stop值，默认为ture
retstep : 如果为true，返回样例，以及连续数字之间的步长
‘’’
ndarray19 = np.linspace(10, 20, 5)
ndarray20 = np.linspace(10, 20, 5, endpoint=False)
print(ndarray19)
print(ndarray20)
x = np.linspace(1, 2, 5, retstep=True)
print(x)
# numpy.logscale(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
# 此函数返回一个ndarray对象，其中包含在对数刻度上均匀分布的数字。刻度的开始和结束端点是某个底数的幂，通常为 10
‘’’
start : 起始值是base ** start
stop : 起始值是base ** stop
endpoint : 如果为true，终止值包含在输出数组当中
base : 对数空间的底数，默认为10
‘’’
ndarray21 = np.logspace(1.0, 2.0, num=10)
ndarray22 = np.logspace(1, 10, num=10, base=2)
print(ndarray21)
print(ndarray22)