python开发笔记-python-numpy

一、Numpy概念

     Numpy（Numerical Python的简称）是Python科学计算的基础包。它提供了以下功能：  除了为Python提供快速的数组处理能力，Numpy在数据分析方面还有另外一个主要作用，即作为在算法之间传递数据的容器。对于数值型数据，Numpy数组在存储和处理数据时要比内置的Python数据结构高效的多。此外，由低级语言（比如C和Fortran）编写的库可以直接操作Numpy数组中的数据，无需进行任何数据复制工作。圆柱模板

   二、Numpy的突出优势  

    与Python的基本数据类型相比，其具有以下突出优势：   NumPy提供了两种基本的对象：ndarray（N-dimensional array object）和ufunc（universal function object）。ndarray用来存储单一数据类型的多维数组，ufunc是对数组进行处理的函数。

   三、ndarray对象py

    Numpy的核心是ndarray对象，它封装了同质数据类型的n维数组，与python序列有以下区别：  ndarray在创建时有固定大小：不同于python中的列表，更改ndarray的大小将创建一个新的数组并删除原始数据 ndarray中的元素有相同的数据类型 ndarray便于对大量数据进行高级数学操作：通常会比python内置序列更高效也更简单 越来越多的基于python的科学和数学软件使用ndarray数组：只知道python的内置序列类型是不够的，还需要知道如何使用ndaray数组  ndarray数据类型 Numpy支持比Python更多种类的数值类型，参见：数据类型圆柱木模板

   

numpy数据类型	python类型	描述
bool_	bool	布尔（True或False），存储为一个字节
int_	int	默认整数类型（与C long相同；通常为int64或int32）
intc		与C int（通常为int32或int64）相同
intp		用于索引的整数（与C ssize_t相同；通常为int32或int64）
int8		字节（-128到127）
int16		整数（-32768到32767）
int32		整数（-2147483648至2147483647）
int64		整数（-9223372036854775808至9223372036854775807）
uint8		无符号整数（0到255）
uint16		无符号整数（0到65535）
uint32		无符号整数（0至4294967295）
uint64		无符号整数（0至18446744073709551615）
float_	float	float64的简写。
float16		半精度浮点：符号位，5位指数，10位尾数
float32		单精度浮点：符号位，8位指数，23位尾数
float64		双精度浮点：符号位，11位指数，52位尾数
complex_	complex	complex128的简写。
complex64		复数，由两个32位浮点（实数和虚数分量）
complex128		复数，由两个64位浮点（实数和虚数分量）