Numpy 简介

• Numpy运算速度快：
  • 它将常用的数学函数都支持向量化运算，使得这些数学函数能够直接对数组进行操作，将本来需要在Python级别进行的循环，放到C语言的运算中，明显地提高了程序的运算速度。

• NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
  • Numpy 官方网址：https://numpy.org​
  • Numpy 中文文档：https://www.numpy.org.cn/
• Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）

• Numpy 的 ndarray 与 Python 的 list：
  • list 列表本身是为了处理更广泛、更通用的目的而构建的
  • ndarray 对于处理数组类型结构的数据会更加方便

Numpy 简介

Numpy 要点：

• 我们可以使用NumPy.array()在Python中创建一个N维数组。
• 数组默认是同构的（Homogeneous），这意味着数组内的数据必须是相同的数据类型。（注意：你也可以创建一个结构化数组）
• 支持逐元素（Element-wise）操作。
• NumPy 数组具有各种函数、方法和变量，以简化矩阵计算任务。
• 数组的元素在内存中是连续存储的。例如，二维数组的所有行必须具有相同数量的列。三维数组必须在每个轴上具有相同数量的行和列。

• NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
  • Numpy 官方网址：https://numpy.org​
  • Numpy 中文文档：https://www.numpy.org.cn/
• Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）

Source

Numpy 的理解与解读

• NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
  • Numpy 官方网址：https://numpy.org​
  • Numpy 中文文档：https://www.numpy.org.cn/
• Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
• ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等

https://numpy.org​

Numpy 的理解与解读

• NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
  • Numpy 官方网址：https://numpy.org​
  • Numpy 中文文档：https://www.numpy.org.cn/
• Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
• ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等

https://numpy.org​

Numpy 的理解与解读

• NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
  • Numpy 官方网址：https://numpy.org​
  • Numpy 中文文档：https://www.numpy.org.cn/
• Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
• ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等
• ndarray 的切片

https://numpy.org​

Numpy 的理解与解读

• NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
  • Numpy 官方网址：https://numpy.org​
  • Numpy 中文文档：https://www.numpy.org.cn/
• Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
• ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等
• ndarray 的切片

https://numpy.org​

Numpy 的理解与解读

• NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
  • Numpy 官方网址：https://numpy.org​
  • Numpy 中文文档：https://www.numpy.org.cn/
• Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
• ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等
• ndarray 的切片
• ndarray 里的 broadcasting（广播机制）
  • 更多官方说明：https://numpy.org/doc/stable/user/basics.broadcasting.html

https://numpy.org​

简单的说，对两个阵进行操作时，Numpy 逐元素地比较他们的形状。

只有两种情况下Numpy会认为两个矩阵(向右对齐后)内的两个对应维度是兼容的：

1. 它们相等；
2. 其中一个是1维。

举个牛逼的例子：

A      (4d array):  8 x 1 x 6 x 1
B      (3d array):      7 x 1 x 5
Result (4d array):  8 x 7 x 6 x 5

当任何一个维度是1，那么另一个不为1的维度将被用作最终结果的维度。也就是说，尺寸为1的维度将延展或“逐个复制”到与另一个维度匹配。

Numpy 的理解与解读

• NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
  • Numpy 官方网址：https://numpy.org​
  • Numpy 中文文档：https://www.numpy.org.cn/
• Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
• ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等
• ndarray 的切片
• ndarray 里的 broadcasting（广播机制）
• ndarray 线性代数与数理统计

https://numpy.org​