Python——Numpy学习笔记

---

基础概念

列表和数组

高维数据

数据维度是数据的组织形式
一维：列表和集合
二维：列表
多维：列表
高维：字典或数据表示格式(JSON、XML、YAML)

什么是Numpy

Numpy的引用

Python数据分析发展史

Python数据分析生态

示例代码

numpy的强大

import time
import numpy as np

# 生成数据
ls = []
for i in range(1000000):
    ls.append(i)

star = time.time()
sum(ls)  # 使用Python内置函数求和
end = time.time()
print("列表计算用时{}".format(end - star))

a = np.array(ls, dtype=np.int64)  # 创建nd.array数组
star = time.time()
np.sum(a)  # 使用numpy内置函数求和
end = time.time()
print("数组计算用时{}".format(end - star))

列表计算用时0.008804082870483398
数组计算用时0.0012941360473632812

知识卡

SciPy

SciPy是一个开源的Python算法库和数学工具包。

SciPy包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

与其功能相类似的软件还有MATLAB、GNU Octave和Scilab。

matplotlib

Matplotlib 是 Python 的绘图库。

matplotlib是Python编程语言及其数值数学扩展包 NumPy的可视化操作界面。

它利用通用的图形用户界面工具包，如Tkinter, wxPython, Qt或GTK+，向应用程序嵌入式绘图提供了应用程序接口（API）。

此外，matplotlib还有一个基于图像处理库（如开放图形库OpenGL）的pylab接口，其设计与MATLAB非常类似–尽管并不怎么好用。

SciPy就是用matplotlib进行图形绘制

pandas

pandas 是基于NumPy 的一种工具。

pandas是一种快速，强大，灵活且易于使用的开源数据分析和处理工具，它建立在Python编程语言之上。

CPython

CPython是用C语言实现的Python解释器。

作为官方实现，它是最广泛使用的Python解释器。

除了CPython以外，还有用Java实现的Jython，用.NET实现的IronPython，使Python方便地和Java程序、.NET程序集成。

另外还有一些实验性的Python解释器比如PyPy。

Jupyter

Jupyter是一个非营利组织。
Jupyter是一个非营利组织，旨在“为数十种编程语言的交互式计算开发开源软件，开放标准和服务”。

2014年由Fernando Pérez从IPython中衍生出来，Jupyter支持几十种语言的执行环境。

Jupyter Project的名称是对Jupyter支持的三种核心编程语言的引用，这三种语言是Julia、Python和R，也是对伽利略记录发现木星的卫星的笔记本的致敬。

Jupyter项目开发并支持交互式计算产品Jupyter Notebook、JupyterHub和JupyterLab，这是Jupyter Notebook的下一代版本。

IPython

IPython是一种基于Python的交互式解释器。
IPython是一种基于Python的交互式解释器。相较于本地的Python Shell，IPython提供了更为强大的编辑和交互功能。

SymPy

SymPy是一个符号计算的Python库。
它的目标是成为一个全功能的计算机代数系统，同时保持代码简洁、易于理解和扩展。

它完全由Python写成，不依赖于外部库。

SymPy支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散数学、几何学、概率与统计、物理学等方面的功能。

Scikit-learn

Scikit-learn是针对Python编程语言的机器学习库。
Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 编程语言的免费软件机器学习库。

它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学图书馆NumPy和SciPy。