萝卜大杂烩 | 万字长文，Numpy入门教程！

本文来源公众号“萝卜大杂烩”，仅用于学术分享，侵权删，干货满满。

原文链接：万字长文，Numpy入门教程！

本文给大家整理了一份绝佳的Numpy入门学习资料，文章略长，建议收藏！可以当文档使用，在需要的时候查看！

1 Numpy简介

Numpy的全称是"Numeric Python"，直译为"数值Python"，可以理解成它是Python的一个专注于数值运算的第三方扩展包，主要是用来处理、计算一维或者多维数组。它提供了丰富对数组的操作，比如：数学运算、数据筛选、线性代数、统计运算、随机模拟、傅里叶变换等。

随着数据科学的发展以及数据量的增加，对海量数据处理的要求也越来越高，Numpy作为Python数据分析、机器学习和数据科学的主力军，Numpy在矩阵和数组运算上有着非常不错的性能，计算速度极快。其次基于Numpy的数据处理库pandas也丰富了Numpy的使用场景。

2 数据类型

Numpy作为Python的第三方扩展包，它提供了比Python更为丰富的数据类型，下面的表格进行统计：

编号	类型	描述
1	bool_	布尔型数据类型（True 或者 False）
2	int_	默认整数类型，类似于 C 语言中的 long，取值为 int32 或 int64
3	intc	和 C 语言的 int 类型一样，一般是 int32 或 int 64
4	intp	用于索引的整数类型（类似于 C 的 ssize_t，通常为 int32 或 int64）
5	int8	代表与1字节相同的8位整数。值的范围是-128到127
6	int16	代表 2 字节（16位）的整数。范围是-32768至32767
7	int32	代表 4 字节（32位）整数。范围是-2147483648至2147483647
8	int64	表示 8 字节（64位）整数。范围是-9223372036854775808至9223372036854775807
9	uint8	代表1字节（8位）无符号整数
10	uint16	2 字节（16位）无符号整数
11	uint32	4 字节（32位）的无符号整数
12	uint64	8 字节（64位）的无符号整数
13	float_	float64 类型的简写
14	float16	半精度浮点数，包括：1 个符号位，5 个指数位，10个尾数位
15	float32	单精度浮点数，包括：1 个符号位，8 个指数位，23个尾数位
16	float64	双精度浮点数，包括：1 个符号位，11 个指数位，52个尾数位
17	complex_	复数类型，与 complex128 类型相同
18	complex64	表示实部和虚部共享 32 位的复数
19	complex128	表示实部和虚部共享 64 位的复数
20	str_	表示字符串类型
21	string_	表示字节串类型

3 数据类型标识码

NumPy 中每种数据类型都有自己的唯一标识的字符码，下表总结了常见的数据类型标识码：

字符	对应类型
b	代表布尔型
i	带符号整型
u	无符号整型
f	浮点型
c	复数浮点型
m	时间间隔（timedelta）
M	datatime（日期时间）
O	Python对象
S,a	字节串（S）与字符串（a）
U	Unicode
V	原始数据（void）

4 安装

下面通过实际案例来介绍快速入门Numpy。一般在安装了anaconda后便默认安装了Numpy，也可以通过其他方式安装：

pip install numpy   # pip
conda install numpy  # conda

每次使用之前先导入：

5 导入

import numpy as np

导入Numpy后国际惯例命名为np，方便后续使用。

6 查看版本信息

np.__version__
'1.21.5'

7 查看帮助文档

查看Numpy中某个函数的帮助文档：

np.info(np.abs)  # 查看np.abs函数的使用文档

absolute(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
--------
>>> x = np.array([-1.2, 1.2])
>>> np.absolute(x)
array([ 1.2,  1.2])
>>> np.absolute(1.2 + 1j)
1.5620499351813308
​
Plot the function over ``[-10, 10]``:
​
>>> import matplotlib.pyplot as plt
​
>>> x = np.linspace(start=-10, stop=10, num=101)
>>> plt.plot(x, np.absolute(x))
>>> plt.show()
​
Plot the function over the complex plane:
>>> x