Numpy的使吸血达奎拉伯爵图片用登

1.什么是numpy（Numeric Python）

NumPy系统是Python的一种开源的数值计较扩展，它是一个强盛的N维数组东西Array，有对照成熟的（广播）函数库，可以整合C/C++和Fortran代码的工具包，供给实用的线性代数、傅里叶调动和随机数生成函数，平山新闻网，numpy和稀疏矩阵运算包scipy共同使用越发强盛。

2.导入包（前提是已经安顿了numpy模块）

import numpy as np

3.检察版本指令

np.__version__

4.数组array的使用

使用np.array()

#一维import numpy as nptest = np.array([1,2,3,4,5])#多维test = np.array([[1,2,3],[4,5,6]])

使用np的routines函数创建

np.ones(shape, dtype=None, order='C')

np.ones([3,3])输出功效：array([[ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.]])#指定数据类型np.ones([3,3],dtype=int)输出功效：array([[1, 1, 1], [1, 1, 1], [1, 1, 1]])

np.full(shape, fill_value, dtype=None, order='C')

np.full([3,3],3.14)输出功效：array([[ 3.14, 3.14, 3.14], [ 3.14, 3.14, 3.14], [ 3.14, 3.14, 3.14]])

np.eye(N, M=None, k=0, dtype=float)

np.eye(4)输出功效：array([[ 1., 0., 0., 0.], [ 0., 1., 0., 0.], [ 0., 0., 1., 0.], [ 0., 0., 0., 1.]])np.eye(4，4，1)输出功效：array([[ 0., 1., 0., 0.], [ 0., 0., 1., 0.], [ 0., 0., 0., 1.], [ 0., 0., 0., 0.]])np.eye(4，4，-1)输出功效：array([[ 0., 0., 0., 0.], [ 1., 0., 0., 0.], [ 0., 1., 0., 0.], [ 0., 0., 1., 0.]])

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

等级差数列np.linspace(0,10,5)输出功效：array([ 0. , 2.5, 5. , 7.5, 10. ])

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

等级差数列(范畴0-10，步长为2)np.arange(0,10,2)输出功效：array([0, 2, 4, 6, 8])

np.random.randint(low, high=None, size=None, dtype='l')

np.random.randint(0,10,5)输出功效：array([0, 7, 2, 3, 7])

np.random.randn(d0, d1, ..., dn)

np.random.randn(10)# 每次序顺序序每次序顺序序都不贰贰一样输出功效：array([-1.74976547, 0.3426804 , 1.1530358 , -0.25243604, 0.98132079, 0.51421884, 0.22117967, -1.07004333, -0.18949583, 0.25500144])np.random.seed(100)#随机的种子，有了种子，每次序顺序序都一样np.random.randn(10)输出功效：array([ 0.37332715, -0.2887605 , 0.04985088, -0.93815832, -0.4087037 , 1.13352254, 0.52713526, -0.76014192, -0.97292788, 0.16290446])

np.random.random(size=None) #取0-1的随机数组

np.random.random(100)# 每次序顺序序都不贰贰一样输出功效：array([ 0.01150584, 0.52951883, 0.07689008, 0.72856545, 0.26700953, 0.38506149, 0.56252666, 0.59974406, 0.38050248, 0.14719008, 0.6360734 , 0.27812695, 0.73241298, 0.10904588, 0.57071762, 0.56808218, 0.33192772, 0.61444518, 0.07289501, 0.86464595, 0.71140253, 0.3221285 , 0.92556313, 0.26511829, 0.8487166 , 0.38634413, 0.32169243, 0.80473196, 0.92050868, 0.17325157, 0.63503329, 0.89463233, 0.02796505, 0.04396453, 0.20603116, 0.77663591, 0.96595455, 0.77823865, 0.90867045, 0.39274922, 0.89526325, 0.26002297, 0.38606984, 0.69176715, 0.3170825 , 0.86994578, 0.35648567, 0.19945661, 0.16109699, 0.58245076, 0.20239367, 0.7099113 , 0.41444565, 0.16725785, 0.01170234, 0.79989105, 0.76490449, 0.25418521, 0.55082581, 0.29550998, 0.02919009, 0.32737646, 0.29171893, 0.67664205, 0.24447834, 0.49631976, 0.41136961, 0.82478264, 0.76439988, 0.78829201, 0.24360075, 0.26151563, 0.51388418, 0.19823452, 0.44097815, 0.53198973, 0.50187154, 0.72374522, 0.11090765, 0.63469357, 0.69199977, 0.97093079, 0.35920669, 0.86493051, 0.01984456, 0.32219702, 0.58608421, 0.26591245, 0.51851213, 0.7896492 , 0.04914308, 0.28711285, 0.36225247, 0.21299697, 0.99046025, 0.11375325, 0.70964612, 0.06599185, 0.47323442, 0.62003386])np.random.random([3,3])输出功效：array([[ 0.37590691, 0.15563239, 0.7754904 ], [ 0.40353019, 0.59708594, 0.57000741], [ 0.33286511, 0.15678606, 0.58814922]])

5.ndarray的属性

np.random.seed(0)x = np.random.randint(10,size=(3,4,5))xarray([[[5, 0, 3, 3, 7], [9, 3, 5, 2, 4], [7, 6, 8, 8, 1], [6, 7, 7, 8, 1]], [[5, 9, 8, 9, 4], [3, 0, 3, 5, 0], [2, 3, 8, 1, 3], [3, 3, 7, 0, 1]], [[9, 9, 0, 4, 7], [3, 2, 7, 2, 0], [0, 4, 5, 5, 6], [8, 4, 1, 4, 9]]])维度：x.ndim外形，各维度的长度：x.shape总长度：x.size元素类型：x.dtypedisplay(x.ndim,x.shape,x.size,x.dtype)输出功效：3(3, 4, 5)60dtype('int32')

未完待续。。

制止引起阅读怠倦，第一部分的常识分享就先到这里了。。