NumPy

更新中

1.概述

numpy是python中的科学计算基础包，提供多维数组对象以及各种派生对象（例如掩码数组和矩阵），以及对于数组进行快速操作的各种方法，包括数学、逻辑、形状操作、排序、选择、I/O、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。

numpy的部分常见功能：

• ndarray矢量算术运算和复杂广播能力的快速且节省空间的多维数组
• 用于对整组数据进行快速运算的标准数学函数
• 用于读写磁盘数据的工具以及用于操作内存映射文件的工具
• 线性代数，随机数生成以及傅里叶变换功能
• 用于集成由C/C++/Fortran语言编写的代码的API

因为numpy是一个科学计算库，所以这里选择用conda引入和管理，新建python 3.11虚拟环境，conda install numpy=2.4.6安装并引入numpy

import numpy as np

print(np.__version__) #2.4.6

通过与python原生list的对比，可以看出60,000,000长度数组的操作，numpy明显更快

import time

_1w = 10000

py_list = list(range(6000*_1w))
start = time.time()
res = [x*2 for x in py_list]
print(f'python time {time.time() - start:.4f} s') #python time 8.1862 s

import time

import numpy as np

_1w = 10000

numpy_arr = np.arange(6000*_1w)
start = time.time()
res = numpy_arr * 2
print(f'numpy time {time.time() - start:.4f} s') #numpy time 0.1311 s
print(type(res)) #<class 'numpy.ndarray'>

2.标量/向量/矩阵/ndarray

标量：是单个数值，没有方向，例如：1，2，3

向量：是一组有序排列的数，可视为一维数组，例如：a = [1, 2, 3]

矩阵：是二维数表，由行和列组成，例如：

ndarray（N-dimensional array） ：是NumPy的核心数据结构，表示N维数组，能表示从0维到N维，例如表示一个2×2×2三维矩阵：