Numpy定义NumPy（NumericalPython）是Python语言的一个扩展程序库，支持大量的维数数组和矩阵运算，也为数组提供了大量的数学函数库操作。NumPy通常与SciPy（科学Python）和Matplotlib（绘图库）一起使用。这种组合被广泛用于替代MatLab。它是一个强大的科学计算环境，可以帮助我们通过Python学习数据科学或机器学习。NumPy的主要应用包括：机器学习模型：在编写机器学习算法时，需要对矩阵进行各种数值计算。比如矩阵乘法、转置、加法等。NumPy为简单（在编写代码方面）和快速（在速度方面）的计算提供了一个非常好的库。NumPy数组用于存储机器学习模型的训练数据和参数。图像处理和计算机图形学：计算机中的图像表示为多维数字数组。NumPy成为同等情况下最自然的选择。事实上，NumPy提供了一些用于快速处理图像的优秀库函数。例如，镜像图像，将图像旋转特定角度等。在涉及数学任务时，基于MATLAB的替代方案。为什么使用numpyPython提供了一个列表容器，可以作为数组使用。但是列表中的元素可以是任何对象，所以指向对象的指针保存在列表中。这样，为了保存一个简单的列表[1,2,3]。您需要三个指针和三个整数对象。对于数值运算，这种结构显然不够高效。Python虽然也提供了array模块，但是只支持一维数组，不支持多维数组（在TensorFlow中偏向于矩阵理解），也没有各种运算函数。因此，它不适合数值运算。NumPy的出现弥补了这些不足。（——来自张若宇的《Python科学计算》）详细请参考：https://numpy.org/doc/stable/index.htmlNumPy安装因为numpy一般是和scipymatplotlib一起使用，所以可以将三个模块一起安装pip3install--usernumpyscipymatplotlibnumpy数组基础使用np数组的创建importnumpyasnpa=np.array([1,2,3,4]),#1矩阵有4行，即一维数组b=np.arange(4)#1行4列的矩阵，元素递增1的一维数组c=np.array([[1,2],[3,4]])#2rows和2列矩阵，即二维数组d=np.arange(4).reshape((2,2))#变换输出2行2列print(a)print(type(a))#输出一个print(b)print(c)print(d)输出的类型分别为：[1234][0123][[12][34]][[01][23]]np数组广播广播（Broadcast）是numpy对不同形状（shape）的数组进行数值计算的方式。数组的算术运算通常在相应的元素上进行。如果a和b两个数组的shape相同，即a.shape==b.shape，那么a*b的结果就是a和b数组对应位的乘积。这需要相同数量的维度和相同长度的每个维度。比如代码a=np.array([1,2,3])b=np.array([10,20,30])c=a*bprint(c)输出[104090]数组广播加法运算a=np.array([[0,0,0],[10,10,10],[20,20,20],[30,30,30]])#4x3二维数组b=np.array([1,2,3])print(a+b)outputs[[111213][212223]]下图展示了数组b是如何广播来兼容数组a的。将一个4x3的二维数组添加到一个长度为3的一维数组中，相当于在二维中将数组b重复四次，重新操作：np数组的切片和索引ndarray的内容object可以通过索引或者切片进行修改访问，和Python中list的切片操作一样。ndarray数组可以根据0-n的下标进行索引，使用内置的slice函数并设置start、stop和step参数，可以从原数组中切出一个新的数组作为slice对象。相信大家都了解了python列表切片相关的操作，也会对这部分的内容不陌生。下面是几个经典例子：基础例子importnumpyasnpa=np.arange(10)#[0123456789]b=a[5]#subscript5个元素的值c=np.array([[1,2,3],[3,4,5],[6,7,8]])print(b)print(a[3:5])#输出下标3-5的值，注意这里可以输出下限3,不包括上限5print(c[0,0])#输出第一行第一列的元素,即1printin[1,2,3](c[...,1])#的第二列元素print(c[1,...])#第二行元素print(c[...,1:])#第二列和其余所有元素输出5[34]1[247][345][[23][45][78]]布尔索引实例我们可以通过布尔数组对目标数组进行索引。布尔索引使用布尔运算（如：比较运算符）来获取满足指定条件的元素数组。c=np.array([[1,2,3],[3,4,5],[6,7,8]])print(c[c>3])#打印大于3的元素输出[45678】numpy数组遍历直接上代码，普通一维数组arr=np.array([1,2,3])forxinarr:print(x)输出123定义了一个numpy的二维数组，上面两个数组dimensions不在这里讨论arr=np.array([[1,2,3],[4,5,6]])#traverseforxinarr:print(x)output[123][456]如果你想输出每个元素一个一个，可以写代码forxinarr:foryinx:print(y)输出123456，上面的方法比较麻烦。我们可以通过方法np.nditer一个一个的输出每个元素forxinnp.nditer(arr):print(x)output123456numpyarray元素过滤的例子，在np数组中，过滤大于2的元素arr=np.array([1,2,3,4])newarr=arr[arr>2]print(newarr)output[34]怎么样，是不是很简单！numpy数组对字符的处理np数组存储字符，如果对字符元素进行相关操作，需要用到api——np.char有这样的需求，字符'0.01%','1.1%','1.21%'，去掉%，将字符转为float类型。如何实现？代码如下：b=np.array(['0.01%','1.1%','1.21%'])newb=np.char.rstrip(b,'%').astype(float)print(newb)output[0.011.11.21]其中：rstrip表示删除某个字符astype(float)表示将元素转化为float
