Numpy是Python科学计算的核心库之一，主要对多维数组提供强大的支持。什么是多维数组？核心对象是一个相同类型的多维数组（简单理解就是一个表格，通常内容是一些数字），数据类型相同。概念：1.轴（axes）：数组的维度统称为轴。2.rank：轴的个数称为rank。示例：一维数组[1,2,1]是秩为1的数组，因为它只有一个轴（一维）。下图显示了秩为2（二维）的数组。它的第一个轴（维度）的长度为2，如红色线框所示；第二个轴（维度）的长度为3，如蓝色线框所示。这有点像数据结构中说的：数组的元素本身也可以是数组类型，还可以进一步扩展。Numpy中的多维数组：ndarrayNumpy的数组类numpy.array一般称为ndarray，主要是为了区别于Python的数组类array.array。在后面的文章中，如无特殊说明，array和ndarray均指代numpy.array。ndarray(numpy.array)的主要属性：ndim：数组的轴（维）数shape：python的元组类型，其中每个数字代表数组在每个轴（维）上的长度size：allin多维数组元素总数（等于shape元组中所有值的乘积）dtype：多维数组中元素的类型。同一多维数组中的所有元素都属于同一类型。这里插一句：Anaconda是一个基于Python的数据科学平台，相当于一个封装了常用的数据分析类库和工具的软件。是我们入门学习的好帮手。下载地址：https://www.continuum.io/anaconda-overview。安装后，打开“IPython”，或“JupyterQtConsole”，或“Spyder”。它们本质上是IPython交互环境的包装器。练习：创建一个ndarray。直接使用numpy.array()方法，参数为python的list或tuple（序列类型）。在下面的代码中，“In”是我们输入的代码，“Out”是上一行代码的输出。并不是每一行代码都会有输出。代码：下图是在“Spyder”中执行上述代码的效果图：双击上图中变量查看窗口（Variableexplorer）中的ndarray，可以看到一个二维的显示图array:创建一些ndarray其他方法1.zeros,ones和empty方法numpy.zerosnumpy.onesnumpy.emptynumpy提供了另一种快速创建ndarray的方法，特别适用于数组内容未知的情况，也避免了数组增长过程中的开销2.arange方法arange可以返回一个均匀分布的ndarray(numpy.array)。开始（可选）、结束（必填）和间距（可选）可以分别设置。下面的例子非常清楚地演示了这种方法的使用。3、reshape方法顾名思义，这个方法就是将一个已有的ndarray转换成另一个shape（shape，即数组各轴上的长度）的多维数组。新数组包含所有原始数据。注意：新形状必须保持相同的大小。说白了，第一个形状的参数，3x4=12，需要和第二个形状的参数，2x6=12保持一致。4.random方法用随机数填充新数组的内容。numpy中有多种生成数据数组的方法，容易混淆。目前看到的随机数有两种，一种是按照“均匀分布”产生的（比如概率论中的“0-1连续分布”），另一种是按照“正态分布”产生的。在numpy中，我们将看到方法random、ranf和sample。其实都是：numpy.random.random_sample方法的别名，它根据“均匀分布”生成随机数。下面的代码验证了这一点：详细介绍中用的最多的一个：numpy.random.randomAPI：http://t.im/1b9sw它在半开区间[0.0,1.0)，随机返回一个浮点数，并且只有一个方法参数：size：int或int类型的元组，也用作返回数组的形状。如果输入是(2,3,5)，先抽取2x3x5=30个随机数，然后组成一个形状为(2,3,5)的多维数组作为返回值。如果不提供参数，则直接返回一个随机数。练习：生成一个区间为[12,30)的6x3数组代码：好了，关于numpy的第一讲到此结束，后面还有很多东西要介绍。【本文为专栏作家“吴思南”原创稿件，转载请联系作者获得授权】点此阅读更多该作者好文
