前言

大家應該都有所了解，下面就簡單介紹下Numpy，NumPy(Numerical Python)是一個用于科學計算第三方的Python包。

NumPy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。下面本文將詳細介紹關于python中numpy包使用教程之數組和相關操作的相關內容，下面話不多說，來一起看看詳細的介紹：

一、數組簡介

Numpy中，最重要的數據結構是：多維數組類型（numpy.ndarray）

ndarray由兩部分組成：

數組（即矩陣）的維度被稱為axes，維數稱為rank

ndarray 的重要屬性包括: 

二、數組的使用

使用numpy前要先導入模塊，使用下面的語句導入模塊：

improt numpy as np #其中np為numpy的別名，是一種習慣用法 

1.使用array方法生成數組

array，也就是數組，是numpy中最基礎的數據結構，最關鍵的屬性是維度和元素類型，在numpy中，可以非常方便地創建各種不同類型的多維數組，并且執行一些基本基本操作，生成數組的方法有一下幾種：
以list或tuple變量產生以為數組：

>>> print np.array([1,2,3,4]) [1 2 3 4] >>> print np.array((1.2,2,3,4)) [ 1.2 2. 3. 4. ] 

以list或tuple變量為元素產生二維數組或者多維數組：

>>> x = np.array(((1,2,3),(4,5,6))) >>> x array([[1, 2, 3],  [4, 5, 6]]) >>> y = np.array([[1,2,3],[4,5,6]]) >>> y array([[1, 2, 3],  [4, 5, 6]]) 

2.使用numpy.arange方法生成數組

>>> print np.arange(15) [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] >>> print type(np.arange(15)) <type 'numpy.ndarray'> 

3.使用內置函數生成特殊矩陣（數組）

零矩陣

>>> print np.zeros((3,4)) [[ 0. 0. 0. 0.]  [ 0. 0. 0. 0.]  [ 0. 0. 0. 0.]] 

一矩陣

>>> print np.ones((3,4)) [[ 1. 1. 1. 1.]  [1. 1. 1. 1.]  [ 1. 1. 1. 1.]] 

單位矩陣

>>> print np.eye(3) [[ 1. 0. 0.]  [0. 1. 0.]  [ 0. 0. 1.]] 

4.索引與切片

>>> x = np.array(((1,2,3),(4,5,6))) >>> x[1,2] #獲取第二行第三列的數 6