作者丨琳儿
来源丨医数思维云课堂（ID:Datamedi）
01 基本功能
快速高效的多维数组对象ndarray。
用于对数组执行元素级计算以及直接对数组执行数学运算的函数
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。
标准Python的列表(list)中，元素本质是对象。如：L = [1, 2, 3]，需要3个指针和三个整数对象，对于数值运算比较浪费内存和CPU。
因此，Numpy提供了ndarray(N-dimensional array object)对象：存储单一数据类型的多维数组。
02 基础知识
1.NumPy 数组
(1) 使用NumPy中的arange()函数来创建包含0~n 的整数的NumPy数组。
代码中的arange函数前面有一个前缀numpy，表明该函数是从NumPy模块导入的。
test_1=np.arange(5)
print(test_1)
(2) NumPy数组的下标从0开始的。使用dtype()获得数据类型
print(test_1.dtype)
(3) 数组的shape属性返回一个元组（tuple），元组中的元素即为NumPy数组每一个维度上的大小。上面例子中的数组是一维的，因此元组中只有一个元素。
print(test_1.shape)
(4) 创建指定长度的全0数组（zeros），全1数组（ones），没有任何具体数值的数组（empty），创建单位矩阵eye（）
print(np.zeros(3))
print(np.ones([2,3]))
print(np.empty([3,3],dtype=int))
print(np.eye(3,3))
参数：
shape : 整数或者整型元组定义返回数组的形状；
dtype : 数据类型，可选定义返回数组的类型。
order : {'C', 'F'}, 可选规定返回数组元素在内存的存储顺序：C（C语言）-rowmajor；F（Fortran）column-major。
2.创建多维数组
（1）创建一个多维数组； 显示该数组的维度。
arange函数创建的数组作为列表元素，把这个列表作为参数传给array()函数，从而创建了一个2×2的数组。
test_2=np.array([np.arange(2), np.arange(2)])
print(test_2)
print(test_2.shape)
（2）选取数组元素：对于数组a，只需要用a[m,n]选取各数组元素，其中m和n为元素下标，对应的位置如下表所示。
a=np.array([[1,2], [3,4]])
print(a)
print(a[0,0])
print(a[0,1])
3.NumPy 数据类型
Python支持的数据类型有整型、浮点型以及复数型，但这些类型不足以满足科学计算的需求，因此NumPy添加了很多其他的数据类型。
在实际应用中，我们需要不同精度的数据类型，它们占用的内存空间也是不同的。
在NumPy中，大部分数据类型名是以数字结尾的，这个数字表示其在内存中占用的位数。下面的表格（整理自NumPy用户手册）列出了NumPy中支持的数据类型。
（1）每一种数据类型均有对应的类型转换函数：
float64(42)
int8(42.0)
bool(42)
bool(0)
bool(42.0)
float(False)
float(True)
print(np.float64(42))
print(np.int8(42.0))
print(bool(42))
（2）在NumPy中，许多函数的参数中可以指定数据类型，通常这个参数是可选的：
（3）复数是不能转换为整数的
np.complex(2,1)
np.int8(np.complex(2,1))
4.数据类型对象
（1）数据类型对象是numpy.dtype类的实例。如前所述，NumPy数组是有数据类的，更确切地说，NumPy数组中的每一个元素均为相同的数据类型。
数据类型对象可以给出单个数组元素在内存中占用的字节数，即dtype类的itemsize属性：a.dtype.itemsize。
（2）NumPy可以使用字符编码来表示数据类型，这是为了兼容NumPy的前身Numeric。
应该优先使用dtype对象来表示数据类型，而不是这些字符编码。
np.arange(7, dtype='f')
np.arange(7, dtype='D')
（3）完整的NumPy数据类型列表可以在sctypeDict.keys()中找到。
（4）获取数据类型的字符编码：
t = np.dtype('Float64')
t.char
（5）创建自定义数据类型：
自定义数据类型是一种异构数据类型，可以当做用来记录电子表格或数据库中一行数据的结构。
作为示例，我们将创建一个存储商店库存信息的数据类型。
其中，我们用一个长度为40个字符的字符串来记录商品名称，用一个32位的整数来记录商品的库存数量，最后用一个32位的单精度浮点数来记录商品价格。
下面是具体的步骤。
t = np.dtype([('name', np.str),('numitems', np.int32),('price',np.float32)])
print(t)
t['name']
Python学习之Numpy的内容就讲到这里，期待我们的再次相约。