NumPy基础

环境准备

　　pip install jupyter 

　　pip install numpy 

终端输入

　　jupyter notebook 

什么是NumPy

• 一个强大的 N 维数组对象 ndarray，具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 
• 用于集成由 C、C++、Fortran 等语言类库的 C 语言 API 
• 线性代数、随机数生成以及傅里叶变换功能。 　　
• 用于对整组数据进行快速运算的标准数学函数（无需编写循环）,支持大量的数据运算 
• 是众多机器学习框架的基础

NumPy 数值计算特别重要的原因之一，是因为它可以高效处理大数组的数据

• NumPy 是在一个连续的内存块中存储数据，独立于其他 Python 内置对象。NumPy 的C 语言编写的算法库可以操作内存，而不必进行类型检查或其它前期工作。比起Python 的内置序列，NumPy 数组使用的内存更少。 
• NumPy 可以在整个数组上执行复杂的计算，而不需要 Python 的 for 循环

numpy.array 基础

　　导包：import numpy as np 

　　查看版本号 ：.__version__

import numpy as np
np.__version__
# '1.17.2'

Python List 

L = [i for i in range(10)]
L[5]  # 5
L[5] = 100 
L  # [0, 1, 2, 3, 4, 100, 6, 7, 8, 9]
L[5] = "Machine Learning" 
L  # [0, 1, 2, 3, 4, 'Machine Learning', 6, 7, 8, 9]

　　Python 的 List 不要求存储同样的类型，带来效率问题。

Python array

import array
arr = array.array('i', [i for i in range(10)]) 
arr  # array('i', [0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
arr[5] = 100 
arr  # array('i', [0, 1, 2, 3, 4, 100, 6, 7, 8, 9])
arr[5] = "Machine Learning"
arr  # 错误
arr[5] = 5.0
arr  # 错误

　　array 的缺点是没有将数据当做向量或者矩阵，不支持基本运算。

numpy.array