【NumPy模块】
NumPy系统是Python的一种开源的数值计算扩展，一个用python实现的科学计算包。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。是python中的一款高性能，用于科学计算和数据分析的基础包。
NumPy的主要对象是一个强大的、同种元素的、N维数组对象Array。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。NumPy的数组类被称作 ndarray 。通常被称作数组。
NumPy是高性能科学计算和数据分析的基础包。它是pandas等其他各种工具的基础。
NumPy的主要功能：ndarray，一个多维数组结构，高效且节省空间；无需循环对整组数据进行快速运算的数学函数
|
1
2
3
|
安装方法：pip install numpy引用方式：import numpy as np
|
ndarray
ndarray（以下简称数组）是numpy的数组类对象，需要注意的是：它是同构的，也就是说其中的所有元素必须是相同的类型【用于科学计算都是数字类型：整数，小数】。其中每个数组都有一个shape(维度，几行几列)和dtype(数据类型)。
创建一个ndarray对象很简单，你可以使用 array 函数从常规的Python列表和元组创造数组，只要将一个list作为参数即可。所创建的数组类型由原序列中的元素类型推导而来。在NumPy中维度(dimensions)叫做轴(axis)，轴的个数叫做秩(rank)。【0为行，1为列 用于做某一行或列操作】
例如，在3D空间一个点的坐标 [1, 2, 3] 是一个秩为1的数组，因为它只有一个轴。那个轴长度为3.又例如，在以下例子中，数组的秩为2(它有两个维度).第一个维度长度为2,第二个维度长度为3.
|
1
2
|
array([[ 1., 0., 0.],
[ 0., 1., 2.]])
|
ndarray对象常用属性
ndarray.ndim #数组轴的个数，在python的世界中，轴的个数被称作秩 ndarray.shape #数组的维度。这是一个指示数组在每个维度上大小的整数元组。例如一个n排m列的矩阵，它的shape属性将是(2,3),这个元组的长度显然是秩，即维度或者ndim属性 ndarray.size #数组元素的总个数，等于shape属性中元组元素的乘积。 ndarray.dtype #一个用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准Python类型。另外NumPy提供它自己的数据类型。 ndarray.itemsize #数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如，一个元素类型为complex32的数组item属性为4(=32/8). ndarray.data #包含实际数组元素的缓冲区，通常我们不需要使用这个属性，因为我们总是通过索引来使用数组中的元素。