在了解Numpy 基本概念后使用 Numpy，可以很方便地执行数组运算、逻辑运算、傅里叶变换和图形图像操作。Numpy 数组的运算效率优于 Python 的标准 List 类型。而且代码中使用 Numpy 可以省去很多烦琐的处理语句，代码更为简洁。
Numpy 数组属性
1. 常用术语
- 轴（Axis）：每个线性数组称为一个轴，轴即数组的维度（Dimensions）。
- 秩（Rank）：秩描述 Numpy 数组的维数，即轴的数量。
例如：[0, 1, 2] 是一个一维数组，只有一个轴，其秩为 1，轴长度为 3； [[0, 1, 2], [3, 4, 5]]是一个二维数组，数组的秩为 2，具有两个轴，其中第一个轴（维度）的长度为 2，第二个轴（维度）的长度为 3。
在使用的时候可以声明 axis，如果 axis=0，表示按第 0 轴方向操作，即对每列进行操作；如果 axis=1，表示按第 1 轴方向操作，即对每列进行操作。
import numpy as np
# 使用 axis 参数设置当前轴
arr = np.array([[0, 1, 2], [3, 4, 5]])
print(arr)
print(arr.sum(axis=0)) # 进行垂直（列）方向的求和计算
print(arr.sum(axis=1)) # 进行沿行方向的计算运行结果如下：
2. 基本属性
Numpy 的 ndarray 数据具有相应的属性，可以获得数组的信息。
| 属性 | 说明 |
|---|---|
| ndarray.ndim | 秩，轴的数量 |
| ndarray.shape | 数组的维度 |
| ndarray.size | 数组元素的总个数 |
| ndarray.dtype | 数组元素类型 |
| ndarray.itemsize | 每个元素的大小（B） |
| ndarray.data | 实际数组元素 |
ndarray 属性4个必记参数：
- ndim：维度
- shape：形状（各维度的长度）
- size：总长度
- dtype：元素类型
创建 属性 如何访问 如何计算
在 Numpy 中 ndarray.ndim 返回这个数组的维数，等于秩。reshape() 函数可以将数组变形重构，调整数组各维度的大小，格式为：numpy.reshape(a, newshape, order='C')。
import numpy as np
arr = np.array([0, 1, 2, 3, 4, 5, 6, 7])
# 显示数组 arr 的 rank
print(f"秩为：{arr.ndim}")
arr_3D = arr.reshape(2, 2, 2)
print(arr_3D)
print(f"秩为：{arr_3D.ndim}")显示结果如下：
其它示例：
import numpy as np
arr = np.array([[0, 1, 2], [3, 4, 5]])
# 显示数组 arr 的维度
print(arr.shape)
# 调整数组大小
arr.shape = (3, 2)其他创建数组的方式
ndarray 数组可以使用
array()函数来构造。此外，还有其他几种方式可以用来创建特殊的数组。
1. numpy.empty()
可以创建一个指定形状，数据类型的空数组。这个数字没有经过初始化，其内容为空。
格式：numpy.empty(shape, dtype = float, order = 'C')。
创建空数组的参数：
| 参数 | 描述 |
|---|---|
| shape | 数组形状 |
| dtype | 数据类型，可选 |
| order | 有 “C” 和 “F” 两个选项，分别代表行优先和列优先，表示在计算机内存中存储元素的顺序 |
示例：
import numpy as np
arr = np.empty([3, 2], dtype = int)运行后得到的数组元素值是不确定的，因为所有空间未初始化。
2. numpy.zeros()
创建全 0 填充的数组，此时可以使用 Numpy 的
zeros()函数。
格式：numpy.zeros(shape, dtype = float, order = 'C')。
参数说明：
| 参数 | 描述 |
|---|---|
| shape | 数组形状 |
| dtype | 数据类型，可选 |
| order | “C” 用于 ‘C’ 风格 —— 行为主的数组，或者 ‘F’ 用于 FORTRAN 风格 —— 列为主的数组 |
示例：
import numpy as np
# 默认为浮点数
arr = np.zeros(5)
# 设置类型为整数
Int_arr = np.zeros((5, ), dtype = np.int)
# 自定义类型
Self_arr = np.zeros((2, 2), dtype = [('x', 'i4'), ('y', 'i4')])3. numpy.ones()
创建以 1 填充的数组，此时可以使用 Numpy 的
ones()函数。
格式：numpy.ones(shape, dtype = None, order = 'C')，参数与上类似。
示例：
import numpy as np
# 默认为浮点数
arr = np.ones(5)
# 自定义类型
Self_arr = np.ones([2, 2], dtype = int)4. numpy.full()
创建一个根据指定 shape 和 type，并用
fill_value填充的新数组。
格式：numpy.full(shape, fill_value, dtype=None, order='C')，参数与上类似。
示例：
import numpy as np
# 创建一个 3 × 3 的元素全是 6 的数组
arr_6 = np.full(shape=(3, 2), fill_value = 6)5. numpy.eye()
返回一个数组，其中对角线为 1，零点为 0。
格式：numpy.eye(N, M=None, k=0, dtype=float)。
参数说明：
| 参数 | 描述 |
|---|---|
| N | 输出中的行数 |
| M | 输出中的列数，可选。如果无，默认为空 |
| k | 可选，对角线的索引：0（默认值）指的是主对角线，正值指的是上对角线，负值指的是下对角线。 |
示例：
import numpy as np
arr = np.eye(N=5, k=1)运行结果如下：
6. numpy.linspace()
生成一个指定大小，指定数据区间的均匀分布序列。
格式：numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)。
参数说明：
| 参数 | 描述 |
|---|---|
| start | 序列中数据的起始值 |
| end | 序列中数据的结束值 |
| num | 生成的样本数；其值默认为 50 |
| endpoint | 取 True 时，序列包含最大值 end；否则不包含；其值默认为 True |
| retstep | 该值取 True 时，生成的序列中显示间距；反正不显示；其值默认为 False |
7. numpy.arange()
在给定间隔内返回均匀间隔的值。
格式：numpy.arange(start, stop, step, dtype=None)。
| 参数 | 描述 |
|---|---|
| start | 开始位置，数字，可选项，默认起始值为 0 |
| stop | 停止位置，数字 |
| step | 步长，数字，可选项， 默认步长为 1，如果指定了 step，则还必须给出 start |
8. 随机函数创建数组
Numpy 还在子模块中提供了随机函数，常见的随机函数见如下：
| 函数 | 描述 |
|---|---|
| rand(d0, ……, dn) | 随机产生指定维度的浮点数组 |
| randint(low[, high, size, dtype]) | 随机产生 [low, high] 的整数 |
| random([size]) | 随机产生 [0.0, 1.0) 的浮点数 |
| uniform(start, end, size) | 从 [start, end) 均匀分布的数据中随机抽取一组浮点数 |
| normal(loc, scale, size) | 基于给定的均值和方差随机产生一组正态分布* 的浮点数 |
* 正态分布（Normal Distribution）：又称高斯分布，是许多统计方法的理论基础。分布图型左右对称。正态分布的参数包括均值和标准差。同样的均值情况下，标准差越大，曲线越平阔；标准差越小，曲线越狭窄。使用 numpy.random.normal() 函数可以生成服从正态分布的数据。
示例：
import numpy as np
# 生成一个 2 × 3 的随机浮点数组
np.random.rand(2，3)
# 生成一个 2 × 2 的 10 以内的随机整数数组
np.random.randint(0, 10, (2, 2))
# 生成一个 2 × 3 的 [1, 2) 的随机浮点数组
np.random.uniform(1, 2, [2, 3])（1）- numpy.random.randint()
返回一个随机整型数，范围从低（包括）到高（不包括），即 [low, high)。如果没有写参数 high 的值，则返回 [0,low) 的值。
格式：numpy.random.randint(low, high=None, size=None, dtype="l")。
参数说明：
| 参数 | 描述 |
|---|---|
| low | 为最小值，生成的数值最低要大于等于 low |
| high | 可选，使用这个值，则生成的数值在 [low, high) 区间 |
| size | 可选，为数组维度大小，同 shape |
示例：
import numpy as np
# 随机生成一个 5 × 5 的从 0~100 的随机数组
np.random.randint(0, 100, size=(5, 5))
# 生成0到1的随机数，左闭右开
np.random.random(size=None)（2）- 正态分布函数
- np.random.randn(d0, ……, dn) 标准正态分布
- np.random.normal() 普通正态分布
（3）- 生成一组随机索引
- np.random.permutation()
import numpy as np # # 生成 5 个随机索引 np.random.permutation(5)
Numpy 的强大远不止于此，它是 Python 中的一个常用数值计算库，它为 Python 提供了大量可以高效处理多维数组和矩阵的函数和方法。NumPy 数组操作，用户可以轻松地进行各种数学、科学和工程计算。如果您想要进一步了解 NumPy 的功能和应用，可以查阅相关资料，并尝试自己动手实践一些例题。
提供CDN加速/云存储服务
点个赞