初探Numpy

零. 什么是Numpy

Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。

一. 获取并安装Numpy

1.1 安装Python发行版

对于许多用户来说，尤其是在Windows上，最简单的方法就是下载一个Python发行版，其中包括所有的关键包。

如何安装Python发行版？点击这里，参看【二. 环境配置】部分内容。
【提示】如果你的开发工具是PyCharm，那么你可以在设置里面查看你所安装的包，也可以按照如下操作添加所需要的包：
File–>Settings–>[Project PycharmProjects]–>[Project Interpreter],显示已经安装的包，点击右侧[+]符号可以添加依赖包。

接着，输入包的名称，选择包可以查看相关信息，点击Install Package即可。

1.2 通过pip安装

大多数主要项目都将官方软件包上传到Python Package索引。它们可以使用Python的标准pip 包管理器安装在大多数操作系统上。

请注意，您需要在你的系统上安装Python和pip。

你可以通过以下命令来安装软件包：

python -m pip install --user numpy scipy matplotlib ipython jupyter pandas sympy nose

二. Numpy数组

2.1 ndarray属性

NumPy数组最大的特点就是一个多维数组对象，称为ndarray。ndarray是一种同构数据多维容器，也就是说，其中所有的元素必须是相同类型的。每个数组都有一个shape(一个表示各维度大小的元祖)和一个dtype(一个用于说明数组数据类型的对象)。

关于NumPy数组有几点必需了解的：

• NumPy数组的下标从0开始。
• 同一个NumPy数组中所有元素的类型必须是相同的。

---

一个ndarray对象重要的属性是：

• ndarray.ndim: 阵列的轴数（维度）。在Python世界中，维度的数量被称为等级。
• ndarray.shape: 数组的尺寸。这是一个整数的元组，指示每个维度中数组的大小。对于具有n行m列的矩阵，shape将是(n,m)。shape因此元组的长度
  是等级或维数 ndim。
• ndarray.size: 数组元素的总数。这等于元素的产物shape。
• ndarray.dtype: 一个描述数组中元素类型的对象。可以使用标准的Python类型创建或指定dtype。另外NumPy提供它自己的类型。numpy.int32，numpy.int16和numpy.float64是一些例子。
• ndarray.itemsize: 数组中每个元素的字节大小。例如，类型元素的数组float64有itemsize8（=
  64/8），而其中一个类型complex32有itemsize4（= 32/8）。这相当于ndarray.dtype.itemsize。
• ndarray.data: 包含数组的实际元素的缓冲区。通常，我们不需要使用这个属性，因为我们将使用索引设施访问数组中的元素。

---

例2.1.1：创建ndarray，并打印出其维度，各维度大小，类型，值。

>>> import numpy as np  # 导入模块numpy并以np作为别名>>> data = np.array([[1, 2, 3], [4, 5, 6]])>>> print data.ndim  # 输出data的维度2>>> print data.shape  # 输出data的各维度的长度(2L, 3L)>>> print data.dtype  # 输出data的数据类型int32>>> print data  # 输出data的值[[1 2 3] [4 5 6]]

除了np.array之外，还有一些函数可以新建数组，如zeros和ones分别可以创建指定长度或形状的全0或全1数组，empty可以创建一个没有任何具体指的数组。[^对角矩阵]

例2.1.2：使用zeros、ones、eye、empty函数创建数组。

>>> print np.zeros((3,4))  # 生成2行4列值全为0的数组[[ 0.  0.  0.  0.] [ 0.  0.  0.  0.] [ 0.  0.  0.  0.]]>>> print np.ones((3,4))  # 生成3行4列值全为1的数组[[ 1.  1.  1.  1.] [ 1.  1.  1.  1.] [ 1.  1.  1.  1.]]>>> print np.eye(3)  # 生成对角矩阵[[ 1.  0.  0.] [ 0.  1.  0.] [ 0.  0.  1.]] >>> print np.empty((2,3,2))  # 生成未经初始化的三维数组array([[[  3.30203557e-316,   3.30204348e-316],        [ -2.30219128e-207,   9.46643641e+032],        [  1.79006441e+245,  -3.05236051e+222]],       [[  4.42232319e-301,   3.53590670e-111],        [  7.39387869e-218,  -8.96112260e-206],        [  8.55755696e-116,   6.29600287e+051]]])

值得注意的是np.empty返回的都是一些未经初始化的垃圾值。

数组创建函数

参考文档：Python之路——numpy各函数简介之生成数组函数（Array creation routines）

2.2 ndarray数据类型

三. 参考资料

• 《利用Python进行数据分析》麦金尼，机械工业出版社，2013-10-30
• Numpy官方教程
• Python中的Numpy入门教程
• 给深度学习入门者的Python快速教程 -Numpy和Matplotlib篇
• numpy.eye()生成对角矩阵