本文主要是基于官網(wǎng)上的學(xué)習(xí)筆記，官網(wǎng)地址：
https://docs.scipy.org/doc/numpy-dev/user/quickstart.html

簡介

NumPy 主要的對象是一個homogeneous multidimensional array(齊次多維數(shù)組)，這個維數(shù)(dimension)在NumPy中稱之為axes(軸)，the number of axes is rank.

Numpy 一個叫做ndarray的數(shù)組類，有一個別名array. 需要注意的是numpy.array 和python標(biāo)準(zhǔn)庫中的array是不同的，可以處理多維的，提供了更加強大的功能。ndarray類中比較重要的屬性主要有以下：

• ndarray.ndim 就是維度的index，也就是rank.
• ndarray.shape 數(shù)組的維。(3,5)
• ndarray.size 數(shù)組中所有的元素個數(shù)

關(guān)于如何創(chuàng)建數(shù)組

important numpy as np

• 1. 使用array函數(shù)來創(chuàng)建數(shù)組，參數(shù)可以是regular Python list也可以是tuple列表。
     需要注意的是：
     np.array(1,2,3) #wrong
     np.array([1,2,3]) #right ，shape值是(3,)
     np.array([[1,2,3]]) #right, shape值是(1,3)

需要注意的是，函數(shù)array()是可以把sequence的形式轉(zhuǎn)換為多維數(shù)組的形式的，比如需要定義一個2*3的數(shù)組：
np.array([[2,3,4],[4,5,6]])
也可以寫成下面這種形式：
np.array([(2,3,4),(4,5,6)])

• 2.在創(chuàng)建的時候指定數(shù)據(jù)類型
  np.array([(3,4),(5,6)],dtype = complex)

• 3.有時候需要創(chuàng)建數(shù)組，但是還不知道內(nèi)容的，可以用下面的函數(shù)創(chuàng)建：

  • np.zeros((3,4)) # 創(chuàng)建3*4維全為0的數(shù)組
  • np.ones((2,3,4)) #可以按照下標(biāo)來理解a[][][]
  • np.empty((2,3)) #數(shù)據(jù)是vary，可變的。
• 4. 可以利用一些常見的函數(shù)創(chuàng)建。
  • fromfunction
    '''
    def f(x,y):
    return x+y
    B = np.fromfunction(f, (3,4))
    '''
  • np.random.random函數(shù)（注意接收的是shape參數(shù)）
    array = np.floor(10*np.random.random((2,3)))

較常用的函數(shù)：

• arange(n)
  產(chǎn)生一個0-(n-1)的list

• lamba表達(dá)式
  一般的形式是這樣的：
  lamba 參數(shù)：表達(dá)式
  值得注意的是，整個lamba返回一個值。

• reshape 函數(shù)
  可以把一個list列表數(shù)組轉(zhuǎn)換為多維數(shù)組

• fromfunction

數(shù)組的索引方式

• 采用c的數(shù)組下表方式
  a[0] # 得到數(shù)組的第一個元素

• 切片

  • 一般的表示形式是：a[row,column]
    這里的row可以是具體的數(shù)字，也可以是一個范圍
    比如：
    a[3:5, 2] 表示第三四行的第二列元素。 包括startIndex，但是不包括endIndex
    a[3:5] is equivalent to a[3:5,:] 表示取全列。

  • 隔步長取數(shù)字：a[startIndex:endIndex:buchang]
    a = np.arrage(10)

    a[5:0:-2] #步長為負(fù)數(shù)的時候，起始坐標(biāo)一定要大于終止坐標(biāo)
    a[::-1] # 表示數(shù)組倒過來的表示，這是省略了起終下標(biāo)的寫法。

    需要注意的是，通過范圍切片得到的數(shù)組是原來數(shù)組的一個視圖，和原數(shù)組共享一段數(shù)據(jù)</font>，比如：
    b = a[0:4:1] # b 是：[0,1,2,3]
    b[0] = 11
    這個時候a[0]也就變成了11.

• 使用整數(shù)序列作為索引
  使用整數(shù)序列作為索引，是把整數(shù)序列的每一個元素作為下標(biāo)。
  整數(shù)序列可以是一個列表，也可以是一個數(shù)組
  使用整數(shù)序列作為下標(biāo)得到的數(shù)組和原數(shù)組不共享數(shù)據(jù)空間

  x[[3,5,1]] = -1, -2, -3 # 整數(shù)序列下標(biāo)也可以用來修改元素的值

以上都是基于一維數(shù)組的例子，多維數(shù)組的比較復(fù)雜，有一篇文章給出了較為詳細(xì)的解釋，感覺結(jié)合圖形更容易理解其設(shè)計思想：
<link> http://old.sebug.net/paper/books/scipydoc/numpy_intro.html
</link>

• 使用布爾類型作為索引
  a = np.arrage(5)
  a[[0,0,1,0,1]] 輸出的是第三個和第五個元素，因為對應(yīng)的是1或者true

ufunc （universal function）

是一種可以對數(shù)組中每一個元素進(jìn)行操作的函數(shù)，許多內(nèi)置函數(shù)都是在C語言級別上實現(xiàn)的，計算速度非常快.

Basic Operation

• +、-、*、/
  需要注意的矩陣相乘這種情況。
  a = np.arange(15).reshape(3,5)
  b = np.ones((5,3))
  此時，直接進(jìn)行ab,會報錯，因為矩陣ab,需要a和b有相同的shape，然后對應(yīng)位置上的數(shù)字相乘。
  那么如何才能正常計算矩陣相乘呢？
  使用的是dot函數(shù):a.dot(b)

• ** 次冪操作
  a = np.array([1,2,3])
  a**2的結(jié)果是：[1,4,9]

Shape Manipulation

Linear Algebra

• Simple Array Operation
  1. transpose。 轉(zhuǎn)置函數(shù)
  2. np.eye(2) . 單位矩陣

-------- 未完 ---------