numpy库用法总结

Numpy是一个开源的科学计算库，提供多维数组对象，进行矩阵运算，线性代数，傅里叶变换，随机数生成等，融合了C语言的高效性和python的简单性。
两大特性：
1.矢量化：在代码中没有任何显式循环、索引等。这些仅发生在优化的、预编译的C代码“幕后”，矢量化意味着代码更简洁、更不易犯错、更接近于数学符号、更高效；广播：隐式的逐个元素操作。2.广播：Numpy中所有操作都以这种隐式的逐个元素的方式进行，a和b甚至可以是具有不同形状的两个数组，较小的数组“可扩展为”较大的数组；
ndarray（在程序中的别名是array）
一 .
是Numpy的基本对象，用来存储单一数据类型的多维数组。与python序列有以下区别：
1.ndarray在创建时有固定大小：不同于python中的列表，更改ndarray的大小将创建一个新的数组并删除原始数据；
2.ndarray中的元素有相同的数据类型；ndarray便于对大量数据进行高级数学操作：通常会比python内置序列更高效也更简单；
3.越来越多的基于python的科学和数学软件使用ndarray数组：只知道python的内置序列类型是不够的，还需要知道如何使用ndaray数组。

二.
数组对象可以去掉元素间运算所需要的循环，使一维向量更像单个数据。
设置专门的数组对象经过优化，可以提升这类应用的运算速度。例如：

创建数组
创建数组的机制：
1.从Python结构（例如：列表，元组）转换
*x=np.array(list/tuple,dtype=np.float32)*
不指定dtype时，将根据数据情况关联一个dtype类型。

2.从Numpy的函数创建（例如：arange、ones、zeros等）

还有一些其他函数：

3.使用特殊库函数（例如：random）

由np.array()生成一个ndarray数组，显示时会有一个array加一对括号：

ndarray对象的属性

numpy中ndarray支持多种数据类型，不像python只有三种。原因是科学计算涉及
数据较多，对存储和性能有较高的要求所以对元素类型精细定义。int8 int16以及 int32
float32 float64等。
ndarray数组的维度变换

数组类型的变换：astype(new_type):

数组的索引和切片
1.一维数组：

2.多维数组的索引和切片：

数组运算
数组与标量之间的运算作用于数组的每一个元素。

numpy的一元函数（对ndarray中的数据进行元素级运算的函数）

numpy的二元函数

CSV文件
Comma-Separated-Value 逗号分隔值文件，用来存储批量数据。将下图保存为：

写入

读取

numpy的随机数函数

其中第三个参数p是概率。

numpy的梯度函数
梯度：连续值之间的变化率，也叫斜率

——本文是对北京理工大学嵩天老师课程的学习记录