学会使用 NumPy：底子、随机、ufunc 和练习测试
NumPyNumPy 是一个用于处置惩罚数组的 Python 库。它代表“Numerical Python”。
基本
随机
ufunc
通过测验测试学习
检验您对 NumPy 的把握程度。
通过练习学习
NumPy 练习
练习：
请插入创建 NumPy 数组的正确方法。
arr = np.
()示例
创建 NumPy 数组：
import numpy as np
arr = np.array()
print(arr)
print(type(arr))输出：
<class 'numpy.ndarray'>NumPy 简介
什么是 NumPy？
NumPy 是一个用于处置惩罚数组的 Python 库。它代表“Numerical Python”。它提供了一个称为 ndarray 的多维数组对象，以及用于操纵这些数组的高效函数。NumPy 还提供了用于线性代数、傅里叶变更和矩阵范畴的函数。
NumPy 由 Travis Oliphant 于 2005 年创建，是一个开源项目，可以免费使用。
为什么使用 NumPy？
在 Python 中，我们有列表来实现数组的功能，但是它们处置惩罚起来速度较慢。NumPy 旨在提供一个比传统 Python 列表快 50 倍的数组对象。NumPy 中的数组对象称为 ndarray，它提供了许多支持函数，使得与 ndarray 的操纵非常简单。
在数据科学中，数组被非常频繁地使用，速度和资源非常重要。
数据科学：是计算机科学的一个分支，研究怎样存储、使用和分析数据以从中获得信息。
为什么 NumPy 比列表快？
NumPy 数组在内存中是连续存储的，而不像列表那样存储不连续，因此进程可以非常高效地访问和操纵它们。这种行为在计算机科学中称为局部性引用。
这就是 NumPy 比列表更快的主要原因。此外，它还经过优化以与最新的 CPU 架构共同工作。
NumPy 是用哪种语言编写的？
NumPy 是一个 Python 库，部门是用 Python 编写的，但大多数需要快速计算的部门是用 C 或 C++ 编写的。
NumPy 入门
安装 NumPy
如果您已经安装了 Python 和 PIP，则安装 NumPy 非常简单。
使用以下命令举行安装：
C:\Users\Your Name>pip install numpy如果此命令失败，则可以使用已经安装了 NumPy 的 Python 发行版，如 Anaconda、Spyder 等。
导入 NumPy
一旦安装了 NumPy，通过添加 import 关键字将其导入到您的应用步伐中：
import numpy如今 NumPy 已经被导入并且可以使用了。
示例：
import numpy
arr = numpy.array()
print(arr)NumPy 的别名 np
通常，NumPy 被导入时会使用 np 别名。
别名：在 Python 中，别名是指同一个东西的另一个名称。
可以使用 as 关键字在导入时创建别名：
import numpy as np如今可以使用 np 来引用 NumPy 包，而不是使用 numpy。
示例
import numpy as np
arr = np.array()
print(arr)查抄 NumPy 版本
NumPy 版本信息存储在 __version__ 属性中。
示例
import numpy as np
print(np.__version__)最后
为了方便其他设备和平台的小伙伴观看往期文章：
微信公众号搜索：Let us Coding，关注后即可获取最新文章推送
看完如果觉得有资助，欢迎点赞、收藏、关注
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]