numpy学习——numpy的基本使用方式（一）

一、numpy认识

NumPy是Python语言的一个扩充程序库。支持高级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内部解除了Python的GIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!

二、numpy安装

1.建议使用Anaconda安装，包含了比较全面的常用库和科学计算使用的库

这里贴上Anaconda，win下安装较为简单，官网下载exe文件，一路下一步，关于32位或者64位，依据需要来。
linux版本的，网络上方法也比较多，在此就细讲，本篇主要以使用方法总结为主。
Anaconda下载地址：https://www.anaconda.com/download/
修改Anaconda中的python版本：conda installl python='版本号'

2.pip安装

安装好python后，pip命令安装即可
或下载whl（适用于win系统）文件，网址贴这里，进去选择对应的python版本即可

https://www.lfd.uci.edu/~gohlke/pythonlibs/

三、基本使用方法

1.数组的创建

①array(list)

可以使用array(list)的方式创建数组，如
a = np.array(range(10))
print(a)
print(type(a))
>>>[0 1 2 3 4 5 6 7 8 9]
>>><class 'numpy.ndarray'>
即可创建出0-9的数组

②arange()

b = np.arange(10)
print(b)
print(type(b))
>>>[0 1 2 3 4 5 6 7 8 9]
>>><class 'numpy.ndarray'>
可以得到与上例中相同的结果

2.数组的数据类型

与python的内置数据类型不同，在numpy中，包含了更多中的专用的数据类型。

①在默认情况下，使用numpy生成数组的数据类型默认为系统的位数，如系统是64位系统，默认生成的int类型的数据则是int64类型，数据类型可以在生成时指定，如：

c = np.arange(10,dtype="int8")
print(c)
print(c.dtype)
>>>[0 1 2 3 4 5 6 7 8 9]
>>>int8
即可指定生成的数据为int8类型，可用于节约内存使用

下图介绍一下numpy数组中的数据类型：

在进行数据类型指定时，即可以使用类型，也可以使用类型代码

②整体取小数

与python中的round的方法类似，为数据取小数

d = np.array([random.random() for i in range(10)])
e = np.round(d,2)
print(d)
print(d.dtype)
print(e)
>>>[0.25052575 0.29341821 0.04147264 0.77327443 0.84966375 0.74830381 0.52754255 0.41674166 0.12828997 0.85464233]
>>>float64
>>>[0.25 0.29 0.04 0.77 0.85 0.75 0.53 0.42 0.13 0.85]

3.数组的轴（axis）概念

数组的轴，也可以用来指维度，在给数组提升维度时，reshape方法可以将轴的顺序设定好，也可以通过shape方法来查看数组的形状，其顺序，即为轴的顺序，可以有多个维度的数组，并不局限为1、2、3维，只是常用的是这几个维度的数组。

①一维数组的轴

在一维数组中，仅有一个轴，即0轴。

②二维数组的轴

在二维数组中，存在两个轴，即0轴和1轴，参见下图

②三维数组的轴

与二维数组同理，只是多了一个轴，即多了一个维度

4.多维数组的计算

多维数组的计算，可以参照本人整理的这篇文章numpy学习——难点解析（一）多维数组的广播计算方式

5.用numpy读取本地数据

一般情况下，多会使用pandas取读取大量数据，功能更为强大，这里介绍numpy仅是介绍该模块有此功能，建议使用pandas去读。
介绍下numpy的读取方法：

难点参数详解：

关于转置，简单解释就是来说以左上角和右下角的数据执行中心对称的转换，即行变为列，列变为行。
转置的三种方法，当然不仅是二维数组可以转置，二维以上的多维数组都是可以的，另外，关于转置，可跳转至该文章进行理解numpy学习——难点解析（二）多维数组转置解释：

6.更多类型的使用方法