众所周知，python是进行数据分析的一大利器。而要用好python，Numpy是不得不讲的最基础的部分。

Numpy是什么

Numpy是一个开源的python科学计算库，它是python科学计算库的基础库，
可用来存储和处理大型矩阵，比python自身的嵌套列表（nested list structure）要高效得多。

Numpy提供了许多高级的数值编程工具，如：矩阵数据类型，矢量处理，以及精密的运算库，专为进行严格的数字处理而产生。许多其他著名的科学计算库如pandas，scikit-learn都要用到Numpy库的一些功能。

安装Numpy

第一种方法：

pip install numpy

第二种方法：

conda install numpy

Numpy简明教程

1. 创建数组

array是numpy的基本数据对象。ndarray即n维数组对象。它是一个快速而灵活的大数据集容器，你可以利用这种数组对整块数据执行一些数学运算。

ndarray中所有元素必须是相同类型的，每个数组都有一个shape（表示维度大小的元组）和一个dtype（一个用于说明数组数据类型的对象）

数组.png

创建数组的方法有如下几种：

创建数组的方法.png

下面我们来详细介绍这些方法。

（1) array 函数

创建数组最简单的方法是使用array函数，它接受一切序列型的对象，然后产生一个新的含有传入数据的numpy数组

array(object, dtype=None, ndmin=0)

array函数.png

（2) asarray函数

将输入转换为ndarray，如果输入本身就是一个ndarray就不进行复制。

asarray函数.png

（3) arange函数

类似于内置的range，但返回的是一个ndarray而不是列表。

arange(start,stop,step,dtype=None)

例如，创建一个从5到20,间隔为2的数组

arange函数.png

（4) ones函数

创建一个全1的数组

ones(shape,dtype=None)

例如：创建一个2X1的全1数组

ones函数.png

（5) ones_like函数

ones_like以另一个数组为参数，并根据其形状和dtype创建一个全1数组

ones_like(a,dtype=None)

ones_like函数.png

（6)zeros函数

创建一个全0的数组

zeros(shape,dtype=float)

zeros函数.png

（7)zeros_like函数

与ones_like函数用法类似

（8) empty函数

创建新数组，只分配内存空间但不填充任何值

numpy.empty(shape,dtype=float)

(9)empty_like函数

创建新数组，只分配内存空间但不填充任何值，与ones_like函数用法类似

（10)eye函数

创建一个N x M的矩阵（对角线为1,其余为0)

numpy.eye(n,m=None,k）

n为列数，m为行数。
k代表对角线位置。默认值为0,代表主对角线，+1向右上方偏移1,-1向左下角偏移1

eye函数.png

（11)identify函数

只能获取方阵，即标准意义的单位阵

numpy.identify(n,dtype=None)

identify函数.png

今天的讲解先到这里，下期再见。