图解 NumPy 学习笔记（一）：初识 NumPy

 

import numpy as np # 导入 NumPy， 开始学习

感谢 NumPy, 本系列将使用图解以及脑图的方法来记录我的《图解 NumPy 学习笔记》。

NumPy 是 Numerical Python 的简称，它是目前 Python 数值计算 中最为重要的基础包。大多数计算包都提供了基于 NumPy 的科学计算函数功能，将 NumPy 的数组对象作为数据交换的通用语。——《利用 Python 进行数据分析》

---

初识 NumPy

 

NumPy 基础： 数组与向量化计算

NumPy 的官方文档非常详实，但由于数量过多，不容易让初学者有一个好的 big-picture。

本系列计划将 NumPy 较为全面的展示给初学者，加以鄙人的学习使用技巧与感悟，文章必有疏漏或错误，还望各位不吝赐教。

---

Why: 为什么要使用 NumPy ?

快，NumPy 既结合了 Python 开发效率高的优点，又能弥补了 Python 运行效率较低的缺点。

NumPy 的方法比 Python 方法要 快 10 到 1000 倍，并且使用 内存也更少，可以大大方便我们在数据处理方面的研究与开发。

为什么要使用 NumPy ?

快与慢，还要看个人如何使用，但是 内存映射 这是非常棒的。

如果面临数据过多，又不想存入数据库中，且数据的形式是数组或者矩阵，

可以使用 NumPy 的 np.save() 和 np.load(, mmap_mode = 'r')，可以内存映射矩阵保留在磁盘上，无须全部读入，以后会详细说明。

单从 运行效率 而言，在 NumPy 上只要能被表示为针对 数组或矩阵运算 的算法，其运行效率几乎都可以与编译过的等效 C 语言代码媲美。

---

What: NumPy 是什么？

NumPy 是 Python 数值计算 的基石。

它提供多种数据结构、算法以及大部分涉及 Python 数值计算所需的接口 。

NumPy 是什么？

简单来说，NumPy 是使用 Python 进行数据分析的一个核心工具。

---

How: 如何使用 NumPy ?

使用NumPy的不二法门就是 面向数组编程。(面向数组编程，超级好文)

面向过程编程 好理解，

面向对象编程 也好理解，

那 面向数组编程 是什么?

面向数组编程 就是以 向量化 代替 使用繁杂的 循环，

用人话说就是用 数组或矩阵运算 代替 遍历的 for 循环，

具体怎么做呢？

看见一个 for 循环，

就想一个问题 “ 我能否使用矩阵运算来代替这个 for 循环？”

---

人生苦短，我用 Python

人生苦短，我用 NumPy