Numpy系列(一)array对象以及创建array的方法

  Numerical Python(Numpy)是一个开源的Python科学计算库，使用Numpy可以方便的使用数组、矩阵进行计算，包含线性代数、傅里叶变换、随机数生成等大量函数。

  与原生的Python实现相比，使用Numpy是直接以数组、矩阵为粒度计算，并且支持大量的数学函数，而Python需要用for循环从底层实现。并且Numpy的数组存储效率和输入输出计算性能，比Python使用List或者嵌套List好很多。

  Numpy的数据存储和Python原生的List是不一样的，Numpy的大部分代码都是C语言实现的，这也是Numpy代码更高效的原因。Numpy的array和Python的List的一个区别，Numpy的array的元素必须都是同一种数据类型，比如都是数字int类型，这也是Numpy高性能的一个原因。

创建数据

array本身的属性

• shape：返回一个元组，表示array的维度
• ndim：一个数字，表示array的维度的数目
• size：一个数字，表示array中所有数据元素的数目
• dtype：array中元素的数据类型

创建array的方法

从Python的列表List和嵌套列表创建array。

使用预定函数arange、ones/ones_like、zeros/zeros_like、empty/empty_like、full/full_like、eye等函数创建

1. 使用arange创建数字序列

  语法：arange(start, stop, step, dtype=None)。

2. 使用ones创建全是1的数组

  语法：np.ones(shape, dtype=None, order='C')；shape : int or tuple of ints Shape of the new array, e.g., (2, 3) or 2.

3. 使用ones_like创建形状相同的数组

  语法：ones_like(a, dtype=float, order='C')。

4. 使用zeros创建全是0的数组

  语法：np.zeros(shape, dtype=None, order='C')。

5. 使用zeros_like创建形状相同的数组

  语法：np.zeros_like(a, dtype=None)。

6. 使用empty创建全是0的数组

  语法：empty(shape, dtype=float, order='C')；注意：数据是未初始化的，里面的值可能是随机值不要用：

7. 使用empty_like创建形状相同的数组

  语法：empty_like(prototype, dtype=None)。

8. 使用full创建指定值的数组

  语法：np.full(shape, fill_value, dtype=None, order='C')。

9. 使用full_like创建形状相同的数组

  语法：np.full_like(a, fill_value, dtype=None)

生成随机数的np.random模块构建

1. 使用random模块生成随机数的数组：

array本身支持的大量操作和函数

1. 直接逐元素的加减乘除等算数操作
2. 更好用的面向多维的数组索引
3. 求sum/mean等聚合函数
4. 线性代数函数，比如求解逆矩阵、求解方程组