为什么有numpy这个库呢？准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。

    此外Python还提供了一个array模块，array对象和列表不同，它直接保存数值，和C语言的一维数组比较类似。但是由于它不支持多维，也没有各种运算函数，因此也不适合做数值运算。

    所以numpy就这么登场了，NumPy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。

    NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。在NumPy中维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank)。

首先我们说说多维数组：

数组的属性：

ndarray.ndim， 表示数组的秩是多少；

ndarray.shape，返回数组的形状；

ndarray.size，数组元素的总个数，等于shape属性中元组元素的乘积

ndarray.dtype，一个用来描述数组中元素类型的对象

ndarray.itemsize ，数组中每个元素的字节大小。

 

 

一些常用的函数

zeros()生成全为零的数组；

ones()生成合为1的数组；

empty()生成一个随机数组；

reshape()函数，,返回一个数组变形的样子。按C风格来哦，即最右边的索引变化最快；

resize()函数，和上面操作相同 ，不过它是改变原数组哦，上面的reshape()不会改变原数组的；

arange（）函数，可以产生一个一维的数组哦。

ravel()函数， 它展开的函数的风格通常是C风格的，即最右边的索引变化最快；

transpose(),把数组进行转置，如索引为（2，3，4）元素变为索引为（4，3，2）的元素；

column_stack()函数，把一维数组按列组合成二维数组；

row_stack()函数，一维数组以行组合成二维数组

vstack ()沿着第一个轴组合,hstack ()函数沿着第二个轴组合

vsplit ()沿着纵向的轴分割， array split() 允许指定沿哪个轴分割。

newaxis

linspace()函数通过指定开始值、终值和元素的个数来创建一维数组，可以通过endpoint关键字指定是否包括终值，缺省时包括终值；

>>> np.linspace(0,5,11)
array([ 0. ,  0.5,  1. ,  1.5,  2. ,  2.5,  3. ,  3.5,  4. ,  4.5,  5. ])

 

 

 

索引，切片和迭代：

使用arange函数时，不包括终值；

可以能数组的元素的索引作切片哦，记住，索引从0开始的。当少于轴数的索引被提供时，确失的索引被认为是整个切片。

注意：迭代 多维数组是就第一个轴而言的。

数组的flat属性为数组元素的一个迭代器，可以启遍例数组中的每个元素；

 

 

随着学习继续补充

numpy库的常用知识