文章目錄

• 導讀
• 一、numpy的優勢
• 二、創建數組
• • 2.1 從列表創建數組
  • 2.2 從頭創建數組
• 三、數組的性質
• • 3.1 數組的屬性（形狀、大小、類型）
  • 3.2 索引
  • • 3.2.1 一維數組的索引
    • 3.2.2 多維數組的索引——以二維為例
  • 3.3 切片
  • 3.4 變形
  • 3.5 拼接
  • 3.6 分裂
• 四、四大運算
• • 4.1 向量化運算
  • 4.2 矩陣運算
  • 4.3 廣播運算
  • 4.4 比較運算和掩碼
  • 4.5 花俏的索引
• 五、其他調用函數
• • 5.1 數值排序
  • 5.2 最大最小值
  • 5.3 數值求和、求積
  • 5.4 中位數、均值、方差、標准差
• 六、總結

導讀

一、numpy的優勢

實現相同計算，Numpy的運行速度是Python循環的25倍，產生了質的飛躍

二、創建數組

2.1 從列表創建數組

2.2 從頭創建數組

三、數組的性質

3.1 數組的屬性（形狀、大小、類型）

3.數組的大小size

x.size

4.數組的數據類型dtype

x.dtype

3.2 索引

3.2.1 一維數組的索引

3.2.2 多維數組的索引——以二維為例

注意: numpy數組的數據類型是固定的，向-個整型數組插入-一個浮點值，浮點值會向下進行取整

3.3 切片

3.4 變形

3.5 拼接

3.6 分裂

四、四大運算

4.1 向量化運算

4.2 矩陣運算

4.3 廣播運算

4.4 比較運算和掩碼

4.5 花俏的索引

五、其他調用函數

5.1 數值排序

5.2 最大最小值

5.3 數值求和、求積

5.4 中位數、均值、方差、標准差

六、總結