numpy

一個用python實現的科學計算，包括：1、一個強大的N維數組對象Array；2、比較成熟的（廣播）函數庫；3、用於整合C/C++和Fortran代碼的工具包；4、實用的線性代數、傅里葉變換和隨機數生成函數。numpy和稀疏矩陣運算包scipy配合使用更加方便。

NumPy（Numeric Python）提供了許多高級的數值編程工具，如：矩陣數據類型、矢量處理，以及精密的運算庫。專為進行嚴格的數字處理而產生。多為很多大型金融公司使用，以及核心的科學計算組織如：Lawrence Livermore，NASA用其處理一些本來使用C++，Fortran或Matlab等所做的任務。

NumPy 的前身為 Numeric ，最早由 Jim Hugunin 與其它協作者共同開發，2005 年，Travis Oliphant 在 Numeric 中結合了另一個同性質的程序庫 Numarray 的特色，並加入了其它擴展而開發了 NumPy。NumPy 為開放源代碼並且由許多協作者共同維護開發。 ^[1] 

NumPy provides an N-dimensional array type, the ndarray, which describes a collection of “items” of the same type.

NumPy提供了一個N維數組類型ndarray，它描述了相同類型的“items”的集合。

ndarray到底跟原生python列表的區別：

從圖中我們可以看出ndarray在存儲數據的時候，數據與數據的地址都是連續的，這樣就給使得批量操作數組元素時速度更快。

這是因為ndarray中的所有元素的類型都是相同的，而Python列表中的元素類型是任意的，所以ndarray在存儲元素時內存可以連續，而python原生list就只能通過尋址方式找到下一個元素，這雖然也導致了在通用性能方面Numpy的ndarray不及Python原生list，但在科學計算中，Numpy的ndarray就可以省掉很多循環語句，代碼使用方面比Python原生list簡單的多。

numpy內置了並行運算功能，當系統有多個核心時，做某種計算時，numpy會自動做並行計算。

Numpy底層使用C語言編寫，數組中直接存儲對象，而不是存儲對象指針，所以其運算效率遠高於純Python代碼。

生成數組的方法：

empty(shape[, dtype, order])

empty_like(a[, dtype, order, subok])

eye(N[, M, k, dtype, order])

identity(n[, dtype])

ones_like(a[, dtype, order, subok])

zeros_like(a[, dtype, order, subok])

full(shape, fill_value[, dtype, order])

full_like(a, fill_value[, dtype, order, subok])

numpy 支持的數據類型比 Python 內置的類型要多很多，基本上可以和 C 語言的數據類型對應上，其中部分類型對應為 Python 內置的類型。下表列舉了常用 NumPy 基本類型。 ^[2] 

numpy 的數值類型實際上是 dtype 對象的實例，並對應唯一的字符，包括 np.bool_，np.int32，np.float32，等等。

NumPy 數組的維數稱為秩（rank），秩就是軸的數量，即數組的維度，一維數組的秩為 1，二維數組的秩為 2，以此類推。

在 NumPy中，每一個線性的數組稱為是一個軸（axis），也就是維度（dimensions）。比如説，二維數組相當於是兩個一維數組，其中第一個一維數組中每個元素又是一個一維數組。所以一維數組就是 NumPy 中的軸（axis），第一個軸相當於是底層數組，第二個軸是底層數組裏的數組。而軸的數量——秩，就是數組的維數。 ^[3] 

很多時候可以聲明 axis。axis=0，表示沿着第 0 軸進行操作，即對每一列進行操作；axis=1，表示沿着第1軸進行操作，即對每一行進行操作。

NumPy 的數組中比較重要 ndarray 對象屬性有：