目录
Python之所以能成为深度学习领域最受宠的编程语言，其中Python三剑客的NumPy、Pandas和Matplotlib功不可没。这3个库分别用于科学计算、数据分析和数据可视化。本系列文章作为深度学习的前传，将开始介绍这3个函数库的核心使用方法，首先介绍一下NumPy。
可能有很多读者会说，NumPy有什么特别的呢？现在用于科学计算的库很多。为什么会提到NumPy呢？因为NumPy 是一个运行速度非常快的科学计算库，这里的关键字不仅是“科学计算”，还有一个“快”。因为NumPy只是用Python作了个外壳，底层逻辑是使用C语言实现的，所以NumPy在运行速度上要远比纯Python代码实现的科学计算库快得多。使用NumPy可以体验到在原生Python代码上从未体验过的运行速度。
那么NumPy到底有什么功能呢？其实NumPy的功能非常多，主要用于数组计算。NumPy可以让你在Python语言中使用向量和数学矩阵。NumPy 是 Python 语言在科学计算领域取得成功的关键之一，如果你想通过 Python语言学习数据科学、人工智能（包括深度学习、语言处理等分支），就必须学习 NumPy。
1. NumPy开发环境搭建
NumPy是第三方程序库，所以在使用NumPy之前必须安装NumPy。如果读者使用的Anaconda Python开发环境，那么NumPy已经集成到Anaconda环境中了，不需要再安装。如果读者使用的是官方的Python开发环境，可以使用如下的命令安装NumPy。
pip install numpy
如果读者要了解NumPy更详细的情况，请访问官方网站，网址如下：
http://www.numpy.org
安装完NumPy后，可以测试一下NumPy是否安装成功。读者可以进入Python的REPL环境，然后使用下面的语句导入numpy模块，如果不出错，就说明NumPy已经安装成功了。
import numpy
2. 第一个NumPy程序
本节来编写第一个NumPy程序，来体验一下NumPy的强大。在编写程序之前，需要先了解一下这个程序要做什么。
在这个程序中只涉及到numpy模块中的一个arange函数，该函数可以传入一个整数类型的参数n，函数返回值看着像一个列表，其实返回值类型是numpy.ndarray。这是NumPy中特有的数组类型。如果传入arange函数的参数值是n，那么arange函数会返回0到n-1的ndarray类型的数组。而且这个数组还支持很多Python语言的基础运算，如加法（+）、减法（-）、次方（**）等。例如，arange(5) ** 2的结果是[ 0 1 4 9 16]，可以看到，对一个ndarray类型的数组使用次方运算，实际上是对每一个数组元素进行次方运算。
下面的例子使用arange函数生成了多个ndarray类型的数组，并对数组进行加法和次方运算。
-
# 导入numpy模块的arange函数
-
from numpy
import arange
-
def sum(n):
-
# 对ndarray类型的数组进行2次方运算
-
a = arange(n) **
2
-
# 对ndarray类型的数组进行4次方运算
-
b = arange(n) **
4
-
# 将两个ndarray类型的数组相加（每个数组元素相加）
-
c = a + b
-
return c
-
# 输出0到4的数组，运行结果：[0 1 2 3 4]
-
print(arange(
5))
-
# 运行结果：[ 0 1 4 9 16]
-
print(arange(
5) **
2)
-
# 运行结果：[ 0 1 16 81 256]
-
print(arange(
5) **
4)
-
# 运行结果：[ 0 2 20 90 272]
-
print(sum(
5))
-
程序运行结果如图1所示。
图1 数组运算
3. 创建多维数组
numpy模块的array函数可以生成多维数组。例如，如果要生成一个二维数组，需要向array函数传一个列表类型的参数，每一个列表元素是一维的ndarray类型数组，作为二维数组的行。另外，通过ndarray类的shape属性可以获得数组每一维的元素个数（元组形式），也可以通过shape[n]形式获得每一维的元素个数，其中n是维度，从0开始。
下面的例子使用array函数和arange函数生成了多个二维数组，并输出了这些二维数组以及相关的属性值。
-
from numpy import *
-
# 创建一个一维的数组
-
a = arange(
5)
-
# 输出一维数组，运行结果：[0 1 2 3 4]
-
print(a)
-
# 输出数组每一维度的元素个数，运行结果：(5,)
-
print(a.shape)
-
# 输出第一维的元素个数，运行结果：5
-
print(a.shape[
0])
-
# 创建一个3*3的二维数组
-
m1 =
array([arange(
3),arange(
3),arange(
3)])
-
print(m1)
-
# 创建一个2*3的二维数组
-
m2 =
array([arange(
3),arange(
3)])
-
print(m2)
-
# 创建一个3*3的混合类型数组（每个数组元素的类型可能不一样）
-
m3 =
array([[
"a",
"b",
4],[
1,
2,
3],[
5.3,
5,
3]])
-
print(m3)
-
# 输出m2数组每一维度元素的个数，运行结果：(2, 3)
-
print(m2.shape)
-
# 运行结果：m2是2维数组
-
print(
"{}是{}维数组".format(
"m2", len(m2.shape)))
-
# 输出m2的第1维的元素个数，运行结果：2
-
print(m2.shape[
0])
-
# 输出m2的第2维的元素个数，运行结果：3
-
print(m2.shape[
1])
程序运行结果如图2所示。
图2 创建二维数组
-
转载：https://blog.csdn.net/nokiaguy/article/details/115412398