目录
- 1. numpy 简介
- numpy 应用场景
- numpy 模块安装
- numpy 模块使用
- 2. numpy 特点
- 3. numpy 常用方法
- 4. 实例
前言：
在motplotlib的学习过程中，我们使用最多的就是。
numpy 模块被称为 matplotlib 模块绘制图表伴侣。
xdm,接下来我们来对 matplotlib 伴侣-numpy 模块相关知识的学习
1. numpy 简介
numpy 模块是 python 支持对大量数组进行科学计算的第三方库。
numpy 模块在numpy官网文档中详细描述了numpy模块提供许多对多维数组对象、矩阵快速操作快速操作的功能。
- 数学、逻辑、形状操作
- 排序、选择、i/o
- 基本线性代数、基本统计运算、随机模拟
- 广播，字节交换
numpy 模块为开源代码，目前官网已经更新到1.22.0版本。
github源码链接，对其源码感兴趣的兄弟们可以康康哈~
numpy 应用场景
numpy 模块通常与matplotlib（绘图库） 一起使用。
在matplotlib绘制图表前进行对数据进行计算处理。
numpy 模块安装
由于numpy 模块是python提供对数据处理的第三库，需要使用pip install来安装
pip install numpy
numpy 模块使用
在代码中，我们需要使用import 来进行导入
import numpy as np
2. numpy 特点
numpy 模板的核心是ndarray对象,这个对象封装同种类型的n维数组,将许多操作留在编译代码中执行，进而提高性能。
numpy array 与 python 内置的list区别点：
numpy数组在创建时是固定大小，python list列表大小是动态变化的。如果要更改ndarray的大小则是将原始数组删除后重新创建新的数组- numpy 数组中元素必须是同数据类型的，因而内存中的大小相同。
python list可以允许不同类型的元素存在。 - numpy 数组对大量数据进行高级数学运算的执行效率比
python list更高 - numpy 数组在科学计算被大量使用，对目前主流的科学数学软件都是基于此模块。
3. numpy 常用方法
numpy 模块善于对大量数据进行科学计算，因此它不仅提供多维的数组对象array,还有通用函数方法等。
目前，我们此文章先介绍numpy 模块中常用的方法哈
| 方法 | 作用 |
|---|---|
| numpy.array(item) | 创建数组对象（可创建n维数组） |
| numpy.arange(num) | 创建等差数组 |
| numpy.random.randn(d0,d1,…,dn) | 创建随机正态分布 |
| numpy.dtype() | 创建自定义数据类型 |
| numpy.random.rand(d0,d1,…,dn) | 创建0~1的数据 |
| numpy.random.randint(low,high) | 创建给定范围的随机整数 |
| numpy.random.random_integers(low,high) | 返回给定范围随机整数 |
| numpy.random.random(size) | 随机生成0,1之间的浮点数 |
| numpy.random.choice(a,size) | 从给定的一维数组中生成随机数 |
| numpy.random.seed() | 提前得知随机数据 |
| numpy.linespcae() | 创建线性数组 |
| numpy.sort() | 对数组数据进行排序 |
4. 实例
本期，我们将使用numpy进行创建数组、切片、索引、广播等功能实操
# 创建一个三维数组
arr = np.array([[0,0,0],[2,3,9],[1,2,3]])
# numpy通过索引或者切片来访问，arr[start:stop:step]
print("切片a[1:]:\n",arr[1:])
# 广播功能，两个数组进行
b = np.array([2,5,7])
print("arr+b:\n",arr+b)
总结：
本期，我们对matplotlib绘图模块伴侣-numpy模块进行认识和了解。numpy 模块提供的数组对象让其在多维数据数学运算比python内置方法更加高效。
到此这篇关于python numpy 模块介绍的文章就介绍到这了,更多相关python numpy 模块内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
