numpy是 Python 语言的一个c扩展程序库，支持大量的维度数组与矩阵运算，对数组运算提供大量的数学函数库，对数据的处理有极高的效率，也经常被作为其他数据处理模块的底层模块。

---

numpy相关博文的开发环境：

• python 3.6
• jupyter notebooks

安装

# 安装命令
pip install numpy

# 安装完成后，在jupyter中输入以下命令进行测试
import numpy as np
np.__version__

成功打印出版本号则代表安装成功，接下来就可以正式进入numpy的学习了

tip:

如果运行时,已经使用pip安装但是仍然报以下错误:

---------------------------------------------------------------------------
ModuleNotFoundError                       Traceback (most recent call last)
<ipython-input-1-8c27a98e4621> in <module>
----> 1 import numpy as np
   2 np.__version__

ModuleNotFoundError: No module named 'numpy'

则可以使用以下代码判断python包的引入位置,查看jupyter中使用的python环境位置:

import sys
sys.path

array对象

array对象是numpy的核心对象，可以是一维也可以是多维的，与pyhton的list比较类似，但拥有更好的性能，通常比python执行速度快1-3个数量级，也拥有更多的数据处理函数，不过numpy中array内的元素必须是同一种数据类型。

array对象的创建

array的创建主要包括两种方式：

• 使用python的list进行创建
• 使用array提供的函数进行创建,创建的函数主要有：

  arange、ones、zero、empty、full、randn ,除了randn外其他函数均提供有相应的_like方法

1. 使用python的list进行创建

import numpy as np

x = np.array([1,2,3,4,5,6,7,8])
y = np.array([
    [1,2,3,4,5,6,7,8],
    [1,2,3,4,5,6,7,8]
])

打印结果:

2. 使用numpy提供的函数进行创建

• arange创建数字序列

  # arange([start,] stop[, step,], dtype=None)
  np.arange(10)
  np.arange(2,10)
  np.arange(2, 10, 2)

  

• ones创建值全是1的数组

  # np.ones(shape, dtype=None, order='C')
  
  np.ones(10)
  np.ones((2,3))

  

• ones_like创建与其他数据形状相同，值为0的数组

  # ones_like(a, dtype=float, order='C')
  np.ones_like(x)
  np.ones_like(y)

  

• zero创建全是0的数组

  # np.zeros(shape, dtype=None, order='C')
  np.zeros(10)
  np.zeros((2,4))

  

• zero_like创建形状相同，值全为1的数组

  # np.zeros_like(a, dtype=None)
  
  np.zeros_like(x)
  np.zeros_like(y)

  

• empty创建值为0的数组，

  其中的数据未初始化，可能为随机值

  # empty(shape, dtype=float, order='C')
  np.empty(10)

  

• empty_like

  np.empty_like(y)

  

• full创建指定值的数组

  # np.full(shape, fill_value, dtype=None, order='C')
  
  np.full(10,22)
  np.full((2,4), 33)

  

• full_like

  np.full_like(x, 66)

  

• randn生成随机数的数组

  # randn(d0, d1, ..., dn)
  np.random.randn()
  np.random.randn(3)
  np.random.randn(3,2)
  np.random.randn(3, 2, 4)