2.numpy

Numpy简介

Numpy是一个用python实现的科学计算的扩展程序库，包括：

• 1、一个强大的N维数组对象Array；
• 2、比较成熟的（广播）函数库；
• 3、用于整合C/C++和Fortran代码的工具包；
• 4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。

NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。

一、适合初学者快速入门的Numpy实战全集

本文由光城同学整理

本文目录

​ 1.Numpy基本操作

• 1.1 列表转为矩阵

• 1.2 维度

• 1.3 行数和列数()

• 1.4 元素个数

  2.Numpy创建array

• 2.1 一维array创建

• 2.2 多维array创建

• 2.3 创建全零数组

• 2.4 创建全1数据

• 2.5 创建全空数组

• 2.6 创建连续数组

• 2.7 reshape操作

• 2.8 创建连续型数据

• 2.9 linspace的reshape操作

  3.Numpy基本运算

• 3.1 一维矩阵运算

• 3.2 多维矩阵运算

• 3.3 基本计算

  4.Numpy索引与切片

  5.Numpy array合并

• 5.1 数组合并

• 5.2 数组转置为矩阵

• 5.3 多个矩阵合并

• 5.4 合并例子2

  6.Numpy array分割

• 6.1 构造3行4列矩阵

• 6.2 等量分割

• 6.3 不等量分割

• 6.4 其他的分割方式

  7.Numpy copy与 =

• 7.1 =赋值方式会带有关联性

• 7.2 copy()赋值方式没有关联性

  8.广播机制

  9.常用函数

二.Numpy简易入门

• 1.Numpy简易入门 1.1 认识NumPy数组对象

  ​ 1.2 创建NumPy数组

  ​ 1.3 ndarry对象的数据类型

  ​ 1.3.1 查看数据类型

  ​ 1.3.2 转换数据类型

  ​ 1.4 数组运算

  ​ 1.4.1向量化运算

  ​ 1.4.2 数组广播

  ​ 1.4.3 数组与标量间的运算

  ​ 1.5 ndarray的索引和切片

  ​ 1.5.1 整数索引和切片的基本使用

  ​ 1.5.2 花式（数组）索引的基本使用

  ​ 1.5.3 布尔型

  ​ 1.6 数组的转置和轴对称

  ​ 1.7 NumPy通用函数

  ​ 1.8 利用NumPy数组进行数据处理

  ​ 1.8.1 将条件逻辑转为数组运算

  ​ 1.8.2 数组统计运算

  ​ 1.8.3 数组排序

  ​ 1.8.4 检索数组元素

  ​ 1.8.5 唯一化及其他集合逻辑

  ​ 1.9 线性代数模块

  ​ 1.10随机数模块

三、Numpy练习题100题-提高你的数据分析技能

本文总结了Numpy的常用操作，并做成练习题，练习题附答案建议读者把练习题完成。作者认为，做完练习题，Numpy的基本操作没有问题了，以后碰到问题也可以查这些习题。

网上可以搜到大量的Numpy教程和官方文档，但没有简单的方法来练习。教程是很好的资源，但要付诸实践。 只有实践，才能更好的加深学习。

本站从github搜索到了一些Numpy的练习题100题，含答案，并进行整理：

原代码作者：Nicolas P. Rougier（https://github.com/rougier/numpy-100）

本练习代码可以在github下载：

numpy-100

使用方法 文件夹有三个不同的ipynb文件:

• 100_Numpy_exercises_no_solution.ipynb

没有答案代码的文件，这个是你做的练习

• 100_Numpy_exercises_with_hint.ipynb

没有答案代码的文件，但有提示，这个你也可以用来练习

• 100_Numpy_exercises.ipynb

有答案代码和注释的文件

你可以在100_Numpy_exercises_no_solution.ipynb 里输入代码，看看运行结果是否和100_Numpy_exercises.ipynb 里面的内容一致。