# python-numpy

**Repository Path**: carmeloLee/python-numpy

## Basic Information

- **Project Name**: python-numpy
- **Description**: Python Numpy
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2022-07-25
- **Last Updated**: 2022-08-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Python, numpy

## README

# python-numpy使用说明
### Numpy介绍
###### 1、主页: https://numpy.org/
###### 2、numpy = Numerical Python科学计算库，用于快速高效地处理任意维度的数组
###### 3、ndarray: 多维数组，numpy的核心数据结构

### Numpy与Python原生List的优劣势

    1、ndarray只能存储相同类型的数据，通用性没有Python原生List强；ndarray数据是连续存储的；
    2、ndarray支持并行运算；
    3、numpy底层是C语言开发的，性能不受Python解释器影响；

### 数组的拷贝，示例见"09数组的复制.py"
    1、np.asarray(): 浅拷贝
    2、np.copy(): 深拷贝
    3、np.array(): 深拷贝

### 04随机数创建会与matplotlib绘图库联动

### ndarray修改数组的3种方法，示例见"08二维数组的切片和索引使用.py"、"13数组的转置.py"
    1、rtnVal = ndarray.reshape(): 返回新的ndarray对象
    2、ndarray.resize(): 对原来的ndarray对象的shape做改变
    3、ndarray.T: 数组的行列转置

### broadcast广播机制: numpy两个数组之间运算时，需要满足以下任意一个条件才能运算
    1、维度相等；
    2、数组的shape (其中相对应的一个地方为1)

###### 3维数组 (256 x 256 x 3)  和1维数组 (3): 满足要求1, 因为数组的第一维都是3，数值相等；
###### 4维数组 (9 x 1 x 7 x 1)  和3维数组 (8 x 1 x 5): 满足要求2, 因为对应的位置上都有1；
###### 3维数组 (15 x 3 x 5)  和3维数组 (15 x 1 x 1): 满足要求1和2, 因为1、2维上的值都有1，3维的数值相等；
A:      15 x 3 x 5
B:      15 x 1 x 1
A+B:    15 x 3 x 5

### 矩阵的乘法 (m, n) x (n, l) => (m, l)

######数组和矩阵的区别
    1、数组之间的运算需要遵循broadcast广播机制；
    2、矩阵之间的运算(m, n) x (n, l) => (m, l)，不用遵守broadcast机制；