关于python库中-Numpy的使用

　　现在使用python的开发人员已经越来越多，如何熟练地使用python已经成为一名优秀的开发人员所必须要面对的问题，对于广大香港服务器的使用者来说也是如此，在进行python的开发过程里需要注意到的是，python并没有提供专门的数值计算工具，开发人员需要通过安装Numpy库的形式才能够很好地使用数值计算的功能，今天小编就带领大家一起来学习一下Numpy库的使用。

　　首先我们来简单的介绍一下Numpy库的优势，众所周知，numpy主要是用来进行数值计算的，其中进行数组之间的计算又是它最为擅长的领域，NumPy数组在绝大部分的情况下在数值运算方面都是要远远优于Python自身所提供的list的。使用NumPy可以在代码中省去很多循环语句，从而在极大的提高代码的运行效率的同时，使得代码看起来更为简洁。例如我们可以看到如下代码：

　　def numpysum(n):

　　a = np.arange(n) ** 2

　　b = np.arange(n) ** 3

　　c = a + b

　　return c

　　仅仅通过简单的几行代码我们就可以实现两个向量的加减法运算，这在诸如C语言，java语言中往往是不可想象的，这是因为我们在其中调用的函数numpysum()时，在这个函数之中没有使用for循环。同时，我们使用NumPy中的arange函数。代码中的arange函数前面有一个前缀numpy，表明该函数是从NumPy模块导入的，numpy库的优异性能换来了代码计算性能的大面积提升。

　　Numpy的安装方式其实是十分容易安装的，我们只需要在官方网站中下载好numpy的安装文件，注意根据自己的系统选择相应的位数，然后在命令行运行下面的代码就能够快速的实现python的安装。

　　pip.exe install wheel。

　　下面我们就来简单的介绍一下numpy的使用方法：

　　标准安装的Python中用列表(list)保存一组值，不是数组，但是使用方法和数组极为类似，不过由于列表的元素可以是任何对象，因此用指针指向具体的对象。例如为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。但是过往的经验告诉我们，指针的效率是非常的低的，NumPy的诞生弥补了这些不足，NumPy提供了两种基本的对象：ndarray和 ufunc。ndarray是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。

　　1：ndarray对象

　　首先需要创建数组才能对其进行其它操作。

　　我们可以通过给array函数传递Python的序列对象创建数组，如果传递的是多层嵌套的序列，将创建多维数组

　　>>> a = np.array([1, 2, 3, 4])

　　>>> b = np.array((5, 6, 7, 8))

　　>>> c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])

　　>>> b

　　array([5, 6, 7, 8])

　　>>> c

　　array([[1, 2, 3, 4],

　　[4, 5, 6, 7],

　　[7, 8, 9, 10]])

　　>>> c.dtype

　　dtype('int32')

　　2：存取元素

　　数组元素的存取方法和Python的标准方法相同，例如：

　　>>> a[3:5] # 用范围作为下标获取数组的一个切片，包括a[3]不包括a[5]

　　array([3, 4])

　　>>> a[:-1] # 下标可以使用负数，表示从数组后往前数

　　array([0, 1, 2, 3, 4, 5, 6, 7, 8])

　　>>> a[2:4] = 100,101 # 下标还可以用来修改元素的值

　　python中numpy的使用就先为大家介绍到这里了。

　　如果您还有什么不明确或者是不懂的地方，欢迎来新世界主机咨询了解，详情请咨询Skype:vpssj.net@hotmail.com TEL: 400 1109 210。我们必将竭诚为您服务。