numpy基础知识

numpy基础介绍

numpy是专为科学计算准备的基础包。它是一个Python库，提供多维数组对象、各种派生对象（如屏蔽数组和矩阵）以及各种用于数组快速操作的例程，包括数学、逻辑、形状操纵、排序、选择、I/O、离散傅立叶变换、基本线性代数、基本的统计运算、随机模拟等等。
NumPy包的核心是ndarray对象。这封装了同质数据类型的n维数组，许多操作在编译代码中执行以提高性能。NumPy数组和标准Python序列之间有几个重要区别：

• NumPy数组在创建时具有固定的大小，这与Python列表（可以动态增长）不同。更改数据阵列的大小将创建新阵列并删除原始阵列。
• NumPy数组中的元素都需要具有相同的数据类型，因此在内存中的大小相同。例外情况：可以有（Python，包括NumPy）对象的数组，从而允许不同大小元素的数组。
• NumPy阵列便于对大量数据执行高级数学和其他类型的操作。通常，与使用Python内置序列相比，此类操作的执行效率更高，代码更少。
• 越来越多的基于Python的科学和数学软件包使用NumPy数组；尽管它们通常支持Python序列输入，但它们在处理之前将这些输入转换为NumPy数组，并且通常输出NumPy数组。换句话说，为了有效地使用当今基于Python的科学/数学软件的大部分（甚至可能是大部分），仅仅知道如何使用Python的内置序列类型是不够的——还需要知道如何使用NumPy数组。

NumPy的主要对象是同构多维数组。它是一个由所有相同类型的元素(通常是数字)组成的表，由一个非负整数元组索引。在NumPy中，维度称为轴。

numpy包导入

方法一：

from numpy import * #不推荐使用。

使用numpy包里面的函数，不需要在函数之前添加numpy前缀。不建议使用，如果下次引用和numpy里的函数一样的情况，就会出现命名冲突。

方法二：

import numpy # 在前面要加numpy。

方法三：

import numpy as np #在前面要加np。