Numpy 使用详解

Numpy 概述：

• 是基于向量化的运算
• 进行数值运算时Numpy数组比list效率高
• 用于读写硬盘上基于数组的数据集的工具
• 线性代数运算、傅里叶变换,以及随机数生成
• 用于将C、C++、Fortran代码集成到Python的工具
• 除了为Python提供快速的数组处理能力，NumPy在数据分析方面还有另外一个主要作用,即作为在算法之间传递数据的容器。

---

NumPy的ndarray 创建ndarray

类型	功能
array	将输入数据(列表、元组、数组或其它序列类型)转换为ndarray。要么推断出dtype，要么显示指定dtype。默认直接复制输入数据。
asarray	将输入转换为darray,如果输入本身就是一个ndarray就不进行复制。
arange	类似于内置的range,但返回一个ndarray而不是列表。
ones, ones_like	根据指定形状和dtype创建一个全1数组。ones_like以另一个数组为参数,并根据其形状和dtype创建一个全1数组。
zeros, zeros_like	类似于ones和ones_like,只不过产生的是全0数组而已。
empty, empty_like	创建数组,只分配内存空间但不填充任何值。
eye, identity	创建一个正方的N * N单位矩阵

---

NumPy的ndarray NumPy数据类型

类型	功能
int8, uint8 - i1, u1	有/无符号的8位整型
int16, uint16 - i2, u2	有/无符号的16位整型
int32, uint32 - i4, u4	有/无符号的32位整型
int64, uint64 - i8, u8	有/无符号的64位整型
float16 - f2	半精度浮点数
float32 - f4 or f	标准的单精度浮点数,与C的float兼容。
float64 - f8 or d	标准的双精度浮点数。与C的double和Python的float兼容。
float128 - f16 or g	扩展精度浮点数
complex64/128/256-c8/16/32	分别用两个32位,64位或128位浮点数表示的复数。
bool - ?	存储True和False值的布尔类型
object - O	Python对象类型
string_ - S	固定长度的字符串类型。S10代表长度为10的字符串。
unicode_ - U	固定长度的unicode类型

---

NumPy的ndarray 数组和标量之间的运算

• 不用编写循环即可对数据执行批量运算
• 大小相等的数组之间的任何算术运算都会将运算应用到元素级
• 数组与标量的算术运算也会将那个标量值传播到各个元素

---

tile 用法
b = tile(a,(m,n)):即是把a数组里面的元素复制n次放进一个数组c中，然后再把数组c复制m次放进一个数组b中