Numpy介绍、安装、使用（包含numpy教程详解）
一、Numpy介绍
Numpy官网：https://numpy.org/ 。NumPy（Numerical Python的简称），是科学计算基础的一个库，它提供了一个高性能的多维数组对象ndarray，以及大量的库函数和操作，可以帮助程序员轻松地进行数值计算，广泛应用于机器学习模型、图像处理和计算机图形学、数学任务等领域。提供了大量关于科学计算的相关功能，例如，线性变换，数据统计，随机数生成等。其提供的最核心的类型为多维数组类型（ndarray）。
- numpy的底层使用C语言实现。所以效率较高
- numpy作为很多的用来做数据挖掘，数据分析，人工智能相关的技术组件的底层实现。
NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型，它是描述相同类型的元素集合。ndarray 中的每个元素都是数据类型对象(dtype)的对象。ndarray 中的每个元素在内存中使用相同大小的块。
Numpy中定义的最重要的数据结构是称为ndarray的n维数组类型，这个结构引用了两个对象，一块用于保存数据的存储区域和一个用于描述元素类型的dtype对象
- 第一部分：元数据部分，存储当前这个ndarray对象的一些描述数据。
- 第二部分：真实数据部分，存储这个ndarray对象中存储的真实的数据。
ndarray数组对象的特点：
- Numpy数组是同质数组，即所有元素的数据类型必须相同
- Numpy数组的下标从0开始，最后一个元素的下标为数组长度减1
Numpy的优点：
- Numerical Python，数值的Python，补充了Python语言所欠缺的数值计算能力。
- Numpy是其它数据分析及机器学习库的底层库。
- Numpy完全标准C语言实现，运行效率充分优化。
- Numpy开源免费。
- 元素的数据类型一致，元数据只需存储一份，更加节省空间，操作也更高效。
学习numpy的学习方向：
- 学习怎么使用numpy组织数据，numpy提供了多维数组对象：ndarray
- 学习numpy提供的函数处理这个组织好的数据： 提供了很多很多的库函数
二、安装使用
Anaconda，使用以下命令通过终端或命令提示符安装 NumPy：conda install numpy
原生python，使用以下命令从终端上安装 NumPy：pip install numpy
安装好 NumPy 后，建议使用 Jupyter notebook 或者pycharm写入并执行代码。
用pip安装时，经常出现pip版本过低，pycharm升级pip
easy_install -U pip
导入numpy库：import numpy as np
在导入之后，查看Nump库的版本信息：np.__version__
小试牛刀：
import numpy as np #导入numpy模块，起别名为np
import warnings
warnings.filterwarnings("ignore") # 忽略警告信息
# 调用np的arange函数生成了一个数据序列： 从0-9
data = np.arange(10)
display(data)
print(data)
display(type(data))
# python 列表与数组之间的转化
#(1)list转array
data= list(range(10))
display(type(data))
data=np.array(data)
display(type(data))
#(2)array 转list
data = data.tolist()
display(type(data))
# 如果你想使用python来对这个序列进行+2的操作：
data01 = np.arange(10)
data01_1 = data01+2 # numpy
display(data01_1)
data01_2 = []
for i in data01: #原生python
data01_2.append(i+2)
display(np.array(data01_2))
#创建一维数组
import numpy as np #引入numpy模块
list1 = [1,2,3,4,5] #创建一个列表list1
array1 = np.array(list1) #创建一维数组
display(type(array1)) #打印类型
display(array1) #打印数据
# 创建多维数组(二维数组)
import numpy as np
array2 = [[1,2],[3,4],[5,6],[7,8],[9,10]]
array2 = np.array(array2)
display(array2)
# 如果是一维数组：向量
# 如果是二维数组，那么就看做是一个矩阵：numpy给我们提供了一种矩阵的概念：matrix
# 但是是 二维数组的 乘法 和 矩阵的 乘法 会不一致！
numpy官方中文教程：https://www.numpy.org.cn/