本文共 1745 字，大约阅读时间需要 5 分钟。
Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。
Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。
Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。
（1）内存地址连续，所有元素数据类型相同
（2）支持并行化运算 （3）解除了GIL限制| 属性名字 | 属性解释 |
|---|---|
| ndarray.shape | 数组维度的元组 |
| ndarray.ndim | 数组维数 |
| ndarray.size | 数组中的元素数量 |
| ndarray.itemsize | 一个数组元素的长度（字节） |
| ndarray.dtype | 数组元素的类型 |
1、np.ones(shape, dtype)：生成全1的数组
2、np.ones_like(a, dtype)：生成和a相同形状的数组 3、np.zeros(shape, dtype)：生成全0数组 4、np.zeros_like(a, dtype)：生成和a相同形状数组 5、np.array(object, dtype)：从列表生成数组 6、np.asarray(a, dtype)：如果是列表，则创建新的ndarray，如果a是ndarray，则不会创建新的空间np.linsapce(start, stop, num, endpoint)
np.arange(start,stop, step, dtype) np.logspace(start,stop, num)
标准正态分布：np.random.randn()
np.random.normal(μ,σ) 均匀分布：np.random.rand() np.random.uniform() np.random.randint() ndarray.reshape()：返回一个新的ndarray
ndarray.resize()：在自身修改 ndarray.T：转置 ndarray.astype()：返回修改类型之后的数组
np.unique(ndarray)
ndarray > 60：返回布尔类型的数组
ndarray[ndarray>60]：返回为True的元素 np.all()：所有都为True返回True np.any()：有一个为Ture返回True np.where()：三元运算符 np.logical_and()：逻辑与 np.logical_or()：逻辑或 | 方法 | 说明 |
|---|---|
| min(a, axis) | 返回数组的最小值或沿轴的最小值 |
| max(a, axis]) | 返回数组的最大值或沿轴的最大值 |
| median(a, axis) | 计算沿指定轴的中位数 |
| mean(a, axis, dtype) | 沿指定轴计算算术平均值 |
| std(a, axis, dtype) | 沿指定轴计算标准偏差 |
| var(a, axis, dtype) | 沿指定轴计算标方差 |
| np.argmax(axis=) | 最大元素对应的下标 |
| np.argmin(axis=) | 最小元素对应的下标 |
数组在进行矢量化运算时，要求数组的形状是相等的。当形状不相等的数组执行算术运算的时候，就会出现广播机制，该机制会对数组进行扩展，使数组的shape属性值一样，这样，就可以进行矢量化运算了。
广播主要发生在两种情况，一种是两个数组的维数不相等，但是它们的后缘维度的轴长相符，另外一种是有一方的长度为1。
eg:
arr1 = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])arr2 = np.array([[1], [3]])print(arr1+arr2)# 结果# array([[2, 3, 4, 3, 2, 5],# [8, 9, 4, 5, 6, 4]])
(M行, N列)*(N行, L列) = (M行, L列)
np.matmul()：矩阵乘
np.dot：矢量运算是相同，支持矢量和标量 转载地址：http://rbqmi.baihongyu.com/