一、Numpy概述
Numpy是Numerical Python的简称，特别是针对数组进行操作（创建，计算等）
可以通过浏览该网站查询更多相关知识：https://numpy.org/
1. 引入
import numpy
2. 查看版本
numpy.__version__ # 查看电脑的numpy版本
如果想要更新Numpy至最新版本，我使用的方法是在Anaconda里面找到相应的要更新的模块，
3.创建别名
import numpy as np
创建别名的好处，使得在使用的时候更加快速的引用它
例：
注：补充知识(%%time %time %timeit)
%%time 将会给出cell(一个单元格里面所运行的内容)的代码运行一次所花费的时间。 %time 将会给出当前行的代码运行一次所花费的时间。 %timeit 使用Python的timeit模块，它将会执行一个语句100，000次(默认情况下)，然后给出运行最快3次的平均值。
ls=range(100000) ls
补充知识：
"_"是一个循环标志，类似于普通变量，只是不取值，只循环，这个"_"其实就是一个占位符，和用普通变量i但是不使用i是一样的效果。
%%time ls=list(range(100000)) for _ in range(10): mylist=[x * 2 for x in ls] # 列表解析式
将上面的代码使用numpy:
import numpy as np arr=np.arange(100000) arr
%%time arr=np.arange(100000) for _ in range(10): myarr=arr*2 # 列表解析式
由上述两端代码运行的时间可知：numpy进行数组的创建计算的效率高于list
二、创建数组
数组类型：一维数组，二维数组，多维数组
创建方法
- np.array() list或者tuple
- np.arange() np.inspace()
- np.ones() np.zeors() np.eye() np.random.random()
1.一维数组
把列表和元组转换成为数组：
l1=[1,2,3,4,5,6] l2=(6,5,4,3,2,1) arrl1=np.array(l1) arrl2=np.array(l2) print(arrl1) print(arrl2)
很清楚的看到区别，使用了 np.array() 之后，数据之间的逗号会消失。
以下是以浮点型为例子探讨数组的一些属性。
当数组定义好之后，本身带有的一些常用属性：
l3=[1.1,3.0,5.1,9.7,4.5] arr=np.array(l3) print('数据类型:',type(arr)) print('轴(维度):',arr.ndim) print('数组长度:',len(arr)) print('元素个数:',arr.size) print('形状:',arr.shape) #元组后面必须要加逗号 print('元素的大小:',arr.itemsize) print('元素类型:',arr.dtype) print('跨度:',arr.strides)
如果是整形的数组：
数组也可以是字符串类型或者混合类型:
2.np.arange()
np.arange():元素的间隔是固定的
函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是5，步长为1。
参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况
- 一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
- 两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
- 三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长，其中步长支持小数。
np.arange(8)
print(np.arange(2,8,2)) np.arange(2,8,2)
3.np.linspace()
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
start，开始的数字stop，结束的数字num，返回的数量endpoint，一个bool型变量retstep，一个bool型，True的话输出之间公差dtype，数据类型，类型有很多例如：np.bool…，可以自己指定
将2~8之间进行50等分：
np.linspace(2,8)
len(np.linspace(2,8))
这就类似于微信的抢红包，每份金额都是相等的。
