标题中的英文首字母大写比较规范，但在python实际使用中均为小写。
2018年7月23日笔记

0. 学习内容：

Python科学计算库：Numpy需要掌握的知识：
1.Numpy简介；2.Numpy程序包；3.简单的Numpy程序；4.为什么使用Numpy;
5.Numpy是什么；6.Numpy数据溢出；

1. Numpy简介

Numpy是python语言中的科学计算库。
下文主要介绍数据科学工具包Numpy的基本用法，内容包括：
1.Numpy的ndarray多维数组创建
2.Numpy的ndarray多维数组索引切片访问
3.Numpy的ndarray多维数组的组合分割

2. Numpy程序包

集成开发环境为Jupyter notebook
语言及其版本为python3.6
安装numpy在cmd中运行命令:pip install numpy，如果电脑安装了最新版的anaconda，则自带jupyter notebook和numpy库。
集成开发环境如下图所示：

image_1cj3s95tl1rsg1hlm1fatkhl12bj9.png-24kB

3.简单的Numpy程序

两个一维矩阵做加法
matrix1 = [0,1,4]
matrix2 = [0,1,8]
matrix3 = [0,2,12]

#使用python原有的列表和推导式
matrix1 = [0,1,4]
matrix2 = [0,1,8]
matrix3 = [a+b for a,b in zip(matrix1,matrix2)]
print(matrix3,type(matrix3))
#使用numpy库计算
import numpy
matrix1 = numpy.arange(3) ** 2
matrix2 = numpy.arange(3) ** 3
matrix3 = matrix1 + matrix2
print(matrix3,type(matrix3))

代码及其运行结果如下图所示：

image_1cj3sskqr1t6p19dm1so8aodibh13.png-31.5kB

4.为什么使用Numpy

原因有以下3点：
1.对于同样的数值计算任务，由于Numpy能够直接对数组和矩阵进行操作，可以省略很多循环语句使用Numpy要比直接编写Python代码便捷得多；
2.Numpy中数组的存储效率和输入输出性能均远远优于Python中等价的数据结构；
3.Numpy的大部分代码都是用C语言写的，这使得Numpy比纯Python代码高效得多。

5.Numpy是什么

Numpy的全名为Numeric Python，是一个开源的科学计算库，它包括：
1.一个强大的N维数组对象ndarray;2.比较成熟的函数库；
3.用于整合C/C++和Fortran代码的工具包；4.实用的线性代数、傅里叶变换和随机生成函数。
Numpy支持高维度数组计算和矩阵计算，此外也针对了数组提供了大量的科学函数库。

6.Numpy数据溢出

import numpy as np
matrix = np.arange(1292) ** 3
print(matrix.dtype)
print(matrix[-3:])
print(2 ** 32 - 1291 ** 3)

代码及其运行结果如下图：

image_1cj3u1bb713t11jlkjsp1tmjih41t.png-15.8kB

从上面一段代码可以看出：1.np.arange方法产生的一个ndarray对象，对象中的元素默认为int32类型。

1. 2^31 - 1的值为2147483647，如果int32类型超过这个值则算越界，越界后所得值为负数。
2. 越界所得负数的绝对值 + 原本值 = 2 ** 32。

练习

利用Numpy实现两个向量相乘的结果
有两种解答方法：1.利用np.dot方法，需要2个参数，1个参数数据类型为ndarray，长度要相同。
2.利用ndarray对象的dot方法，需要1个参数，参数数据类型为ndarray，长度要相同。
下面代码中有两种解答方法的示例。

import numpy as np
matrix1 = np.arange(10) 
print(matrix1)
matrix2 = np.arange(10,20)
print(matrix2)
print(np.dot(matrix1,matrix2))
print(matrix1.dot(matrix2))

image_1cja6gt6rp7orhr1rq712jff899.png-41.1kB