- numpy介绍
- 常用基本属性
NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
使用numpy的原因：
- numpy支持大量的数据运算
- 集成了C/C++和Fortran代码
- 众多的机器学习框架的基础(Pandas/scikit-learn/Tensorflow)
- 机器学习中大量的数据运算，numpy的运算速度更快
其中，numpy有以下优点：
- 内存分布连续
- 实现并行化的运算
- 没有GIL锁（能使python程序更加高效地运行）
Numpy提供的数据类型：ndarray
了解更多：numpy介绍
- 形状 shape
- 维度 ndmi
- 元素个数 size
- 数组大小 nbytes
- 数据类型 dtype
- 元素大小 itemsize
代码示例如下：
import numpy as np # 导入numpy # create an array for 2 demision a = np.array([[1, 2, 3], [1, 2, 3]]) # 获取数组行列数目(shape)、维度、元素数量、一个数组元素的长度（字节方式）、数组总长度 print(a.shape) # 获取数组形状(shape) print(a.ndim) # 维度 print(a.size) # 元素数量 print(a.itemsize) # 一个数组元素的长度（字节方式） print(a.nbytes) # 数组总长度
输出结果如下：
(2, 3) #形状 2 #维度 6 #元素数量 4 #每个数组元素长度 24 #数组总长（6*4）维度
对于一个numpy数组来说，存在不同的维度
以下是一些维度的示例：
- 0维：65
- 1维：[1,5,45,6,7]
- 2维：[[1,2,3],[1,5,7]]
- 3维：[[[1,2],[1,4]],[[2,6],[3,8]]]
可以和空间坐标进行类比以进行简单理解：0维是一个点（65）；1维是由0维组成，一条线段（[1,5,45,6,7]）；2维由1维组成，一个平面（[[1,2,3],[1,5,7]]）…
