numpy的安裝與使用

前言

一、numpy是什麼？

1、numpy的資料結構

1.1 元資料（metadata）

1.2 實際資料

2、ndarray陣列物件的特點

3、numpy的優點

二、安裝numpy

三、開始使用

3.1 引入庫

3.2 檢視numpy安裝版本

3.3 牛刀小試

3.4 numpy vs list

總結本文就主要講解下numpy的安裝和簡單使用，後續會完善numpy的使用方法

numpy（numerical python的簡稱），是科學計算基礎的乙個庫，它提供了乙個高效能的多維陣列物件ndarray，以及大量的庫函式和操作，可以幫助程式設計師輕鬆地進行數值計算，廣泛應用於機器學習模型、影象處理和計算機圖形學、數學任務等領域。提供了大量關於科學計算的相關功能，例如，線性變換，資料統計，隨機數生成等。其提供的最核心的型別為多維陣列型別（ndarray）。

numpy是基於c語言開發，所以這使得numpy的執行速度很快，高效率執行就是numpy的一大優勢。numpy對矩陣運算進行了優化，使我們能夠高效地執行線性代數運算，使其非常適合解決機器學習問題。scipy（scientific python）、mat-plotlib（plotting library）、scikit-learn 等都在一定程度上依賴numpy。與python列表相比，numpy具有的另乙個強大優勢是具有大量優化的內建數學函式。這些函式使你能夠非常快速地進行各種複雜的數學計算，並且用到很少**（無需使用複雜的迴圈），使程式更容易讀懂和理解。

numpy 中定義的最重要的物件是稱為 ndarray 的 n 維陣列型別，它是描述相同型別的元素集合。ndarray 中的每個元素都是資料型別物件(dtype)的物件。ndarray 中的每個元素在記憶體中使用相同大小的塊。

numpy官網：

numpy中定義的最重要的資料結構是稱為ndarray的n維陣列型別，這個結構引用了兩個物件，一塊用於儲存資料的儲存區域和乙個用於描述元素型別的dtype物件。

儲存對目標陣列的描述資訊，如：dim count、dimensions、dtype、data（實際上就是乙個指標，指向實際的資料）等。

完整的陣列資料

將實際資料與元資料分開存放，一方面提高了記憶體空間的使用效率，另一方面減少對實際資料的訪問頻率，提高效能。

1、anaconda

conda install numpy

2、沒有anaconda，則使用以下命令在終端中直接輸入

pip install numpy

**如下（示例）：

#匯入numpy並為其取別名為np
import numpy as np

**如下（示例）：

print(np.__version__)

# 引入第三方庫：numpy，起個別名：np
import numpy as np
print(np.__version__)
#呼叫numpy中的arange函式生成乙個序列
data = np.arange(10) # 生成0-9的資料序列
print(data) #列印資料
print(type(data)) # 列印資料型別

import numpy as np
# 對於序列0-9在python中使用list對其每個元素都進行+1操作
list1 = list(range(10))
print(list1)
# 把這個資料序列（0-9）的每個元素都 進行 + 1 的操作
result_list = 
for i in list1:
print(result_list)
# numpy中的實現
data = np.arange(10)
print(data)
data += 1 # 輸出結果： 每個元素都 + 1
print(data)

1、numpy安裝很簡單，易操作

2、使用numpy進行陣列計算，要比使用原生的python的操作要簡單很多

numpy的安裝與使用

PIP的使用使用PIP安裝numpy

numpy包的安裝

安裝numpy的坑

numpy的安裝與使用

PIP的使用 使用PIP安裝numpy

numpy包的安裝

安裝numpy的坑

相關推薦

PIP的使用使用PIP安裝numpy