nuitka 打包python python numpy包

Python【入门】numpy包的简单应用

numpy包，是Python中一个很基础的包，常用于科学计算、数据分析当中，numpy包中有很多的数学计算函数，比如，它能够进行傅里叶变换、线性代数计算等一般语言很难实现的计算方法。当然，他在人工智能、机器学习当中也是发挥了不可或缺的作用。
可能大家学习numpy会和我一样，开始学起来比较困难，因为它的函数库太过于庞大，很多的函数我们都是无法记住的，因此，要多加点的应用练习，才能真正的掌握它。
numpy包提供了多维数组、矩阵的常用操作和一些高效的科学计算函数。它的底层运算通过c语言实现，处理速度快、效率高。适用于大规模多维数组运算。可以直接完成数组和矩阵的运算，无需使用循环。
下面，我们简单学习一下nump的简单使用。
一、创建numpy数组
1、一维数组
其通用的格式是array（[列表]/（元组),dtype=…）
例如

import numpy as np
a=np.array([1,2,3,4]) #将列表作为元素
b=np.array((1,2,3,4)) #将元组作为元素
print(a)
print(b)

运行结果：[1,2,3,4] [1,2,3,4]
对数组元素的索引，可以像C语言那样通过下标来索引，注意下标也是从0开始的。
例如：

print(a[1])
print(a[0:3])

运行结果：2 [0,1,2]

其次对于一个数组还有以下的属性，大家可以自己创建一个numpy数组进行测试，这些属性还是比较好理解的。

2、二维数组的创建

直接上例子：

import numpy as np
a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(a)

运行结果：

创建一些特殊的数组，在numpy中也内置和很多函数，这些函数可以很方便的创建一些特殊数组，更加的高效。

import numpy as np
a=np.arange(0,2,0.3) #arange(起始数字，结束数字，步长，dtype)
print(a)

运行结果：

import numpy as np
b = np.ones((3,2),dtype=np.int16)
print(b)

运行结果：

下面的函数的运用同上面类似，可以通过查看python官方的相关文档进行查阅。

本次的numpy包的简单的应用就是这样，可以进行大量的训练来熟悉numpy包。