当前位置 博文首页 > 香菜：深度学习基础之numpy，小白轻松入门numpy，送书了！！！
目录
1、numpy 的安装
2、快速入门
3.Numpy 数组操作
4、常用函数
5、ndarray和 list的区别
6、总结
送书活动第一期
pip install numpy
2.1 数据类型
用过C语言的基本上都知道是哪几个类型，毕竟python是c 实现的
总结一下：u表示无符号，有符号则没有，中间表示类型类型，最后一个是表示的字节数
2.2 最重要的对象Ndarray 对象
Ndarray 可以理解为Java里面List 的实现，封装了更好的接口和api。
调试看下结构
2.3 副本和视图
副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。
视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。
视图一般发生在：
1、numpy 的切片操作返回原数据的视图。
2、调用 ndarray 的 view() 函数产生一个视图。
副本一般发生在：
Python 序列的切片操作，调用deepCopy()函数。
调用 ndarray 的 copy() 函数产生一个副本。
3、numpy 常用操作
1.创建 ndarray
import numpy as np
#将列表和 元组转换为ndarray
x = [1,2,3]
a = np.asarray(x) ?
print (a)
y = (1,2,3)
b = np.asarray(y) ?
print (b)遍历ndarray
NumPy 迭代器对象 numpy.nditer( nditer = nd ?iterator) 提供了一种灵活访问一个或者多个数组元素的方式
import numpy as np
a = np.arange(6).reshape(2,3)
print ('原始数组是：')
print (a)
print ('\n')
print ('迭代输出元素：')
for x in np.nditer(a):
? ?print (x, end=", " )
print ('\n')nditer 的几个参数
order='F' ：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出现顺序。
op_flags：nditer 将视待迭代遍历的数组为只读对象（read-only），为了在遍历数组的同时，实现对数组元素值得修改，必须指定 read-write 或者 write-only 的模式。
import numpy as np
a = np.arange(6).reshape(2, 3)
print('原始数组是：')
print(a)
print('\n')
print('迭代输出元素：')
for x in np.nditer(a,order="F",op_flags=['readwrite']):
? print(x, end=", ")
? x[...]= x * 2
print('\n 修改后的元素')
print(a)
print('\n')输出结果
原始数组是： [[0 1 2] [3 4 5]] 迭代输出元素： 0, 3, 1, 4, 2, 5, 修改后的元素 [[ 0 2 4] [ 6 8 10]]
修改数组形状
翻转数组
numpy.transpose 函数用于对换数组的维度连接数组
分割数组
数组元素的添加与删除
numpy.append 函数在数组的末尾添加值
NumPy 提供了标准的三角函数：sin()、cos()、tan()。
NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()
统计函数
numpy.amin() 和 numpy.amax()
numpy.ptp()函数计算数组中元素最大值与最小值的差（最大值 - 最小值）。
numpy.median() 函数用于计算数组 a 中元素的中位数（中值）
numpy.mean() 函数返回数组中元素的算术平均值。如果提供了轴，则沿其计算。
操作函数
numpy.sort() 函数返回输入数组的排序副本
numpy.argsort() 函数返回的是数组值从小到大的索引值
numpy.lexsort() 用于对多个序列进行排序。把它想象成对电子表格进行排序，每一列代表一个序列，排序时优先照顾靠后的列
#!/usr/bin/env python
# encoding: utf-8
"""
#Author: 香菜
@time: 2021/8/30 0030 下午 10:00
"""
import numpy as np
a = np.arange(6).reshape(2, 3)
print('原始数组是：')
print(a)
# 最小值，可以指定轴
min = np.amin(a)
print("最小值 :" + str(min))
# 最大值与最小值的差
gap = np.ptp(a)
print("最大差 :" + str(gap))
mid = np.median(a)
print("中位数 :" +str(mid))
mean = np.mean(a)
print("平均值 :" +str(mean))
print(np.argsort(a))数组元素要求是相同类型，而列表的元素可以是不同类型。
ndarray占用的内存要比列表少
数组底层使用C程序编写，运算速度快。
数组底层使用C中数组的存储方式（紧凑存储），节省内存空间。
numpy 不难，最重要的数据结构就是ndarray ，可以直接当做List使用，然后np 提供了一些列的函数操作
《Python数据分析与大数据处理从入门到精通》
全面：数据分析与大数据处理所需的所有技术，包含基础理论、核心概念、实施流程，从编程语言准备、数据采集与清洗、数据分析与可视化，到大型数据的分布式存储与分布式计算等。
（2）深入：一本书讲透1种编程语言和14种数据分析与大处理工具，以及大数据分析技术及项目开发方法。
（3）丰富：包含45个“新手问答”、17个章节的“实训”、3个项目综合实战、50道Python面试题精选。
京东自营购买链接：
https://item.jd.com/12740890.html
当当自营购买链接：
http://product.dangdang.com/28476522.html
大家点赞关注，两天后在留言的同学中抽取送两本书
注：如果中奖了没关注则放弃
?
