numpy是python下的一個第三方資料庫，提供了高效能矩陣運算能力（別問我多高，我也不知道！反正就是高！！），它是大資料、機器學習、影象處理等熱門方向的基礎，是資料分析的一把利器！！！

注意：不知道為什麼，下面程式碼開頭可能有這樣一段程式碼：<span style="font-size:14px;">。請大家忽略掉這段程式碼，直接看他後面的。我並不知道CSDN的程式碼為什麼會包含這個。。。給大家帶來的不便，十分抱歉。

一、安裝與匯入

numpy不是python自帶的庫，所以使用前要先安裝。像安裝其他的第三方庫一樣，使用pip可以快速，方便，無汙染的完成：

sudo pip install numpy
 

匯入：按照慣例，使用前要將庫匯入：

import numpy as np

二、numpy操作

由於我上面也已經說到了，numpy是專門用來計算矩陣的，所以它的基本都是圍繞著array（陣列）轉的！

1、陣列建立

利用array方法可以創建出各種各樣的陣列，並且創建出的陣列也有許多的屬性，常用的有一下幾種：

①dtype：檢視陣列資料型別。

②ndim：顯示陣列維度。

③size：顯示資料量（行*列）

④shape：顯示資料行數與列數。

示範程式碼：

import numpy as np
array_1dim = np.array([1,2,3])
print array_1dim
array_2dim = np.array([[1,2,3],[4,5,6],[5,6,7], [7,8,9]])
print array_2dim
print array_2dim.ndim
print array_2dim.dtype
print array_2dim.shape
print array_2dim.size

array_arange = np.array(np.arange(1,10,2))
print array_arange

這樣我們就可以快速創建出一個一維陣列，在搭配上reshape(n, m)方法，可以將一維陣列轉化為n*m型陣列。如：

array_arange = np.array(np.arange(1,10)).reshape(3,3)
print array_arange

除了arange以外，linspace(start, end, ave_num)為我們提供了建立均分型陣列的方法：

array_linspace = np.array(np.linspace(1,10, 9)).reshape(3,3)
print array_linspace

除此以外，還有一些快速建立某一型別的矩陣的方法，常用的有一下幾種：

①np.zeros((n, m))：建立一個n*m的全零陣列。

②np.ones((n, m))：建立一個n*m的全1陣列。

③np.eye(n)：建立一個n*n的僅對角線為1的陣列。

④np.empty((n, m))：建立一個無線接近0的陣列。（別看他是empty就以為是空，其實打印出來你就會發現並不是）

2、陣列訪問

3、陣列本身與陣列間的運算

numpy中對陣列本身的運算常用的有以下幾種（以下例項假設陣列名稱為data）：

numpy中陣列之間的運算常用的有以下幾種（以下例項假設陣列名稱分別為X和Y）:

4、陣列的分割

5、陣列的遍歷

for row in data:

for column in data.T:

for item in data.flat:

6、淺拷貝與深拷貝