1. numpy 简介
numpy 应用场景
numpy 模块安装
numpy 模块使用
2. numpy 特点
3. numpy 常用方法
4. 实例
前言：
在motplotlib的学习过程中，我们使用最多的就是numpy模块。
numpy 模块被称为 matplotlib 模块绘制图表伴侣。
xdm,接下来我们来对 matplotlib 伴侣-numpy 模块相关知识的学习
numpy 模块是 Python 支持对大量数组进行科学计算的第三方库。
numpy 模块在numpy官网文档中详细描述了numpy模块提供许多对多维数组对象、矩阵快速操作快速操作的功能。
数学、逻辑、形状操作排序、选择、I/O基本线性代数、基本统计运算、随机模拟广播，字节交换numpy 模块为开源代码，目前官网已经更新到1.22.0版本。
github源码链接，对其源码感兴趣的兄弟们可以康康哈~
numpy 应用场景numpy 模块通常与matplotlib（绘图库） 一起使用。
在matplotlib绘制图表前进行对数据进行计算处理。
numpy 模块安装由于numpy 模块是Python提供对数据处理的第三库，需要使用pip install来安装
pip install numpy
numpy 模块使用
在代码中，我们需要使用import 来进行导入
import numpy as np
2. numpy 特点
numpy 模板的核心是ndarray对象,这个对象封装同种类型的n维数组,将许多操作留在编译代码中执行，进而提高性能。
numpy array 与 python 内置的list区别点：
numpy 数组在创建时是固定大小，python list列表大小是动态变化的。如果要更改ndarray的大小则是将原始数组删除后重新创建新的数组numpy 数组中元素必须是同数据类型的，因而内存中的大小相同。python list 可以允许不同类型的元素存在。numpy 数组对大量数据进行高级数学运算的执行效率比Python list更高numpy 数组在科学计算被大量使用，对目前主流的科学数学软件都是基于此模块。
3. numpy 常用方法
numpy 模块善于对大量数据进行科学计算，因此它不仅提供多维的数组对象array,还有通用函数方法等。
目前，我们此文章先介绍numpy 模块中常用的方法哈
| numpy.array(item) | 创建数组对象（可创建N维数组） |
| numpy.arange(num) | 创建等差数组 |
| numpy.random.randn(d0,d1,…,dn) | 创建随机正态分布 |
| numpy.dtype() | 创建自定义数据类型 |
| numpy.random.rand(d0,d1,…,dn) | 创建0~1的数据 |
| numpy.random.randint(low,high) | 创建给定范围的随机整数 |
| numpy.random.random_integers(low,high) | 返回给定范围随机整数 |
| numpy.random.random(size) | 随机生成0,1之间的浮点数 |
| numpy.random.choice(a,size) | 从给定的一维数组中生成随机数 |
| numpy.random.seed() | 提前得知随机数据 |
| numpy.linespcae() | 创建线性数组 |
| numpy.sort() | 对数组数据进行排序 |
本期，我们将使用numpy进行创建数组、切片、索引、广播等功能实操
# 创建一个三维数组
arr = np.array([[0,0,0],[2,3,9],[1,2,3]])
# numpy通过索引或者切片来访问，arr[start:stop:step]
print("切片a[1:]:\n",arr[1:])
# 广播功能，两个数组进行➕
b = np.array([2,5,7])
print("arr+b:\n",arr+b)
总结：
本期，我们对matplotlib绘图模块伴侣-numpy模块进行认识和了解。numpy 模块提供的数组对象让其在多维数据数学运算比Python内置方法更加高效。
到此这篇关于Python numpy 模块介绍的文章就介绍到这了,更多相关Python numpy 模块内容请搜索易知道(ezd.cc)以前的文章或继续浏览下面的相关文章希望大家以后多多支持易知道(ezd.cc)！