NumPy是一个强大的科学计算的第三方Python包。提供了多维数组对象，可以有效进行数组计算。对内存的占用小，有许多功能能加快程序的运行。

 

安装：pip install numpy

 

可以给其命名别名：>>>import numpy as np

>>> import numpy as np
>>> x=np.array([2,4])   #创建一维数组
>>> x
array([2, 4])
>>> x[0]
2
>>> x.shape   #给出了数组各个维度的大小，一维数组中大小为2
(2,)
>>>

 

>>> p=np.array([[4,8],[10,20]])   #创建二维数组
>>> p
array([[ 4,  8],
       [10, 20]])
>>> p.ndim     #ndim显示数组维数
2
>>> p.shape
(2, 2)
>>>

 

>>> a=np.arange(10)   #另一种建立数组的方式
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>>

 

>>> x=np.array([2,4])
>>> y=np.array([2,4])
>>> x-y
array([0, 0])    #数组运算
>>> x+y
array([4, 8])
>>> x*y
array([ 4, 16])
>>>

 

一些和常规操作的对数组的用法不再说明。

 

Numpy的广播：较小的形状和较大形状的运算，较小的可以覆盖较大的。比如小阵列*大阵列

 

>>> x=np.array([2,4])   
>>> x_list=x.tolist()   #将numpy数组转为python列表
>>> x_list
[2, 4]
>>>

 

>>> x=np.arange(9)
>>> x
array([0, 1, 2, 3, 4, 5, 6, 7, 8])
>>> np.reshape(x,(3,3))   #将普通列表转为矩阵形式
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>>

 

>>> np.random.uniform(0.0,2.0,size=5)   #返回5个0~2之间的随机数组成的一个数组
array([0.60808763, 1.75059892, 1.66989721, 1.4305337 , 0.90893358])
>>>

 

>>> x=np.array((1,2,3,4))
>>> y=np.array((10,20,30,40))
>>> points=np.dstack((x,y))     #由两个数组创键三维坐标数组
>>> points
array([[[ 1, 10],
        [ 2, 20],
        [ 3, 30],
        [ 4, 40]]])
>>>

 

NumPy.einsum为爱因斯坦标记法，用它来找到两点之间距离的平方。只讨论如何用这个函数来计算两点之间距离的平方。

具体了解 爱因斯坦标记法