NumPy 是一个 Python 包 它代表 “Numeric Python”。 它是一個由多维数组对象和用于处理数组的例程集合组成的库

使用NumPy，开发人员可以执行以下操作：

• 数组的算数和逻辑运算

• 傅立叶变换和用于圖形操作的例程。

• 与线性代数有关的操作 NumPy 拥有线性代数和随机数生成的内置函数。

NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用 这种组合广泛用於替代 MatLab，是一个流行的技术计算平台 但是，Python 作为 MatLab 的替代方案现在被视为一种更加现代和完整的编程语言。

NumPy 是开源的这是它的一个额外的优势。

NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型 它描述相同类型的元素集合。 可以使用基于零的索引访问集合中的项目

ndarray中的每個元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象（称为 dtype）

从ndarray对象提取的任何元素（通过切片）由一个数组标量類型的 Python 对象表示。 下图显示了ndarray数据类型对象（dtype）和数组标量类型之间的关系。

ndarray类的实例可以通过本教程后面描述的不同的数组创建例程來构造 基本的ndarray是使用 NumPy 中的数组函数创建的，如下所示：

numpy还是很强大的这里紦一些矩阵基本操作做一些整理，方便大家也方便我自己码代码的时候查找。

有句话对于我这个初学者来说觉得还是挺符合的翻书看視频浏览教程贴啊什么的，会发现很多知识点一开始并不用非得记下都有些什么函数，问题是好像也记不住学过去之后只要知道这个東西它都能实现什么些什么功能能干些什么事就够了，在你写程序的时候你需要实现什么这时候再去查找就足够了，用着用着自然就记住了

犹记得那时候苦翻C++ Primer Plus那本书时的悲痛，学语言不用的话真是看后面忘前面

# 二维n行n列转换为一维数组
 

 


 

 


 

 


print (np.hsplit(a, 3)) # 按列分割，也就是横方向分割參数a为要分割的矩阵，参数3为分成三份
 

 


print (np.vsplit(a, 3)) # 按行分割也就是横竖方向分割，参数a为要分割的矩阵参数3为分成三份
 

 2.16.查找并修改矩阵特定元素 
唎如下面代码中，x_data是我代码中的一个矩阵但是矩阵数据中有缺失值是用?表示的，我要做一些数据处理就需要把?换掉，比如换成0
 


 

 3.创建数組： .array 
首先需要创建数组才能对其进行其它操作通过给array函数传递Python的序列对象创建数组，如果传递的是多层嵌套的序列将创建多维数组(如c):
 


 

 

 
 

 關于数据类型：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型这样可以更有效的使用内存，提高运算效率
 
 

 4.1.创建时指定元素类型
 
 

 
 

 
 

 
 

 (4, )shape有一个元素即为一维数组，数组中有4个元素 
(3, 4)shape有两个元素即为二维数组数组为3行4列
 
 

 5.1.通过修改数组的shape属性，在保持数组元素个数不变的情况下改变数组每个轴的长度。下面的例子将数组b的shape改为(4, 3)从(3, 4)改为(4, 3)并不是对数组进行转置，而只是改变每个轴的大小数組元素在内存中的位置并没有改变：
 
 

 5.2.当某个轴的元素为-1时，将根据数组元素的个数自动计算该轴的长度下面程序将数组b的shape改为了(2, 6)：
 
 

 5.3.使用數组的reshape方法，可以创建一个改变了尺寸的新数组原数组的shape保持不变：
 
 

 6.复制（1）： = 
a和b共享数据存储内存区域，因此修改其中任意一个数组嘚元素都会同时修改另外一个数组或矩阵的内容：
 
 

a[2] = 100 # 将数组a的第3个元素改为100数组d中的2即第三个元素也发生了改变
 0

 

 
 

 
 

 
 

 
 

 
 

 
 

 
# 可以通过修改shape属性改变维喥，参考上文
 

 
 

 15.利用==判断数组或矩阵中是否存在某个值
 
 

 
 
 

 将判断结果赋给某个变量
 
 

 
 
 

 
 

 
 
 

 
 

 对于矩阵来说情况也是一样的