numpy是乙個底層為ndarray型別的資料科學包，特點是快速的科**算，以陣列形式存在的。通常和pandas、matplotlibs合用，含有較多的統計分析函式。
a = np.array([[20,3,24],[23,4,2]])
print("陣列形狀："+ str(a.shape))
print("陣列的軸數："+ str(a.ndim))
print("陣列元素的個數："+ str(a.size))
print("陣列元素的型別："+ str(a.dtype))
print("陣列元素的位元組大小:"+ str(a.itemsize))
從結果可以看出個陣列屬性的用法：np.函式名np.shape：以元組形式返回陣列的形狀
np.ndim：返回陣列的軸數，int型別；此處是二維的2行3列，則返回2，
np.size：返回陣列元素的個數，int型別；2*3
np.dtype：返回陣列元素的型別
np.itemsize：返回陣列元素的位元組大小
為什麼從將這幾個陣列屬性分成兩部分呢，因為乙個陣列最主要的屬性由這兩個組成，其他都可以從這兩個去推導出來。
shape陣列形狀(2,3) 則可以推出 ndim軸數=2，size元素個數=2*3=6
dtype陣列元素型別，知道元素的資料型別，自然也就知道對應的位元組大小
為了多個輸出結果能區分清楚，新增了------的輸出。numpy內含有多種建立函式，這裡列舉了幾個常用建立方法說明。
np.arange(begin,end,step)：建立[begin,end)，步長step的一維整數陣列，注意是左閉右開
np.ones(shape)：按shape的形狀，建立元素都是1的陣列
np.zeros(shape)：按shape的形狀，建立元素都是0的陣列
np.full(shape,val)：按shape的形狀，以val值全部填充的陣列
np.eye(val)：建立對角線為1，val乘val的正方形陣列，例子中是3乘3，對角線為1的陣列
np.linspace(begin,end,parts,endpoint=true)：建立在[begin,end]範圍內分成parts等份，例子中是(10,50,5) 意思從[10,50]中分成5份來組成陣列元素，注意是左閉右也閉；預設endpoint=true，意思是末值（此處是50）是否包含在內，若設定為false，則不包含。
np.array(列表/字典)：這是一開始講基礎屬性時建立陣列的方法（具體可以往上看），這種方法比較自由，可以以多種形式建立，也不限維度。
還有3個類似的函式，介紹一下
np.ones_like(shape)
np.zeros_like(shape)
np.full_like(shape,val)
看到函式名字和引數設定，想必也能夠猜到以上3個函式的用法，直接上圖。
不多解釋了，就是基礎上給個like，「模仿」shape的形狀來建立對應的陣列。
小結一句：以上建立陣列的函式，所涉及的shape引數，一定要用元組形式寫進，如(2,3),否則會提示引數無效的錯誤
python科學計算 numpy
畢設的程式設計中使用了python來處理資料，主要使用的是numpy包，網上大部分對numpy進行介紹的教程比較老舊，想要使用的功能不太容易找到。因此，寫這篇文章來對現有的一些資源就行整理，當然想要更全面的了解numpy的使用還是從訪問官方手冊開始。win下 pip isntall numpy當然最...
Python基礎 資料科學入門（十）numpy庫
1.1 低效的python for迴圈 例 求100萬個數的倒數 def compute reciprocals values res for value in values 1 value return res values list range 1 10000 timeit compute re...
Python資料科學手冊 Numpy陣列的排序
1 numpy中的快速排序 np.sort 和 np.argsort np.sort 是快速排序，演算法複雜度 o n log n 也可以選擇歸併排序和堆排序 如果不想修改原始輸入陣列，返回乙個排好序的資料，可以使用np.sort 代替原陣列,使用 陣列的sort方法 argsort 返回的是排好序...