numpy
一、numpy简介
（一）由来
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库
NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发
（二）作用
NumPy 是一个运行速度非常快的数学库，主要用于数组计算
（三）包含
- 一个强大的N维数组对象 ndarray
- 广播功能函数
- 整合 C/C++/Fortran 代码的工具
- 线性代数、傅里叶变换、随机数生成等功能
（四）优势
- 对于同样的数值计算任务，使用numpy要比直接编写Python代码便捷的多
- numpy中的数组的存储效率和输入输出性能均远远优于Python中等价的基本数据结构，且其能够提升性能是与数组中的元素成比例的
- numpy的大部分代码都是用C语言写的，其底层算法在设计时就有着优异的性能，这使得numpy比纯Python代码高效得多
（五）应用
NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习
（六）SciPy
是一个开源的 Python 算法库和数学工具包
包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算
（七）Matplotlib
是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口（API）
（八）安装
可使用pip install numpy或conda install numpy安装
二、Ndarray对象简介
1.介绍
- NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引
- ndarray 对象是用于存放同类型元素的多维数组
- ndarray 中的每个元素在内存中都有相同存储大小的区域
2.组成
-
一个指向数据（内存或内存映射文件中的一块数据）的指针
-
数据类型或 dtype，描述在数组中的固定大小值的格子
-
一个表示数组形状（shape）的元组，表示各维度大小的元组
-
一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数
三、数组的基本使用
（一）numpy数据类型
1.数据结构
numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型
numpy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.bool_，np.int32，np.float32，等等
2.每个内建类型都有一个唯一定义它的字符代码
3.数据类型对象（dtype）
数据类型对象是用来描述与数组对应的内存区域如何使用，这依赖如下几个方面:
- 数据的类型（整数，浮点数或者 Python 对象）
- 数据的大小（例如， 整数使用多少个字节存储）
- 数据的字节顺序（小端法或大端法）【通过对数据类型预先设定"<“或”>“来决定的。”<“意味着小端法(最小值存储在最小的地址，即低位组放在最前面)。”>"意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)】
- 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分
- 如果数据类型是子数组，它的形状和数据类型
4.创建数据类型对象
原型：numpy.dtype(object, align, copy)
| 参数 | 说明 |
|---|---|
| object | 要转换为的数据类型对象 |
| align | 如果为 true，填充字段使其类似 C 的结构体 |
| copy | 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用 |
（1）基本使用
注意：首先应该从Anaconda Powershell Prompt进入文件夹，再打开jupyter notebook
基本使用
import numpy as np
dt = np.dtype(np.int32)
print(dt)
print(type(dt))
int32
<class 'numpy.dtype'>
字节顺序标注
import numpy as np
dt = np.dtype('<i4')
print(dt)
print(type(dt))
int32
<class 'numpy.dtype'>
创建结构化数据类型
import numpy as py
student = np.dtype([("name","S20"),("age","i4"),("marks","f4")])
print(student)
print(type(student))
[('name', 'S20'), ('age', '<i4'), ('marks', '<f4')]
<class 'numpy.dtype'>