numpy是Python中科學計算的核心庫。其主要資料型別是ndarray，即同種元素的多維陣列。

narray屬性

import numpy as np
a=np.array([[1,2,3],[2,3,4],[4,5,6]])
#narray屬性
a.ndim#多維陣列的維數 2
a.shape# 表示每個維度的大小（的陣列）（3，3）
a.size#表示多維陣列的總個數 9
a.dtype#多維陣列元素的資料型別 int32
a.itemsize#每個元素的位元組大小 4
a.data#包含實際陣列元素的緩衝區  <memory at 0x0000014FE0A5CA68>
 

其實發現多維陣列narray與opencv mat類的資料成員很類似。

narray中的axis

在numpy中很多函式涉及到axis，為什麼會出現axis，是因為在多維陣列中，有多種不同運算元組的方向，例如二維陣列，按列操作 axis=1,按行操作，axis=0

總之，若axis=i，則numpy沿著第i個下標變化的方向進行操作

建立陣列

1.自定義建立多維陣列

將python內建型別通過array函式轉換成narray型別

import numpy as np
#list[]通過array函式轉換為陣列型別
a=np.array([[1,2,3],[2,3,4]]
 
)
# tuple()通過array函式轉換為陣列型別
b=np.array(((1,2,3),(2,3,4)))
# a,b相同
#均為array([[1, 2, 3],[2, 3, 4]])

指定建立得陣列型別

b=np.array([[1,2,3],[2,3,5]],dtype=complex)
#array([[ 1.+0.j,  2.+0.j,  3.+0.j],
#       [ 2.+0.j,  3.+0.j,  5.+0.j]])

2.生成特殊多維陣列（矩陣）

zeros生成全為0的矩陣或標量，ones生成全為1的矩陣或標量,empty生成隨機數。

c=np.zeros((1
 
,3))#生成矩陣，array([[ 0.,  0.,  0.]])
d=np.zeros(3)#生成標量 array([ 0.,  0.,  0.])
e=np.empty(4,dtype='int32')# array([ 858993458, 1081597747, 1202590842, 1081051873])

隨機函式生成

#生成1到5中的整數矩陣，2行3列的矩陣
f=np.random.randint(1,5,(2,3))#array([[4, 3, 3],[4, 1, 3]])
#生成1到5中的整數矩陣，3個整數
f=np.random.randint(1,5,3)#array([3, 4, 2])

#隨機生成0-1之間，2行3列的矩陣
m=np.random.rand(2,3)
#array([[ 0.84363692,  0.01760037,  0.39695061],
#       [ 0.87022164,  0.09440285,  0.24435673]])

生成均勻分佈的多維陣列

import numpy as np
#arange（最小值，最大值，步長）（左閉右開） 
a=np.arange(0,3,0.5)#array([ 0. ,  0.5,  1. ,  1.5,  2. ,  2.5])
c=np.arange(3)# 最大值3 預設步長為3 array([0, 1, 2])


#linspace（最小值，最大值，元素數量） (左閉右閉)
b=np.linspace(0,3,6)#array([ 0. ,  0.6,  1.2,  1.8,  2.4,  3. ])

陣列運算

*用於矩陣元素相乘，（∗∗$\ast \ast$表示多少次方）而dot用於矩陣乘法

import numpy as np
a=np.array([[1,2,3],[2,3,4]])
b=np.array([[1,2],[2,3],[3,4]])
# c=a.dot(b)
c=np.dot(a,b)#返回就是開創的計算好的記憶體空間
#結果均為
#array([[14, 20],
#       [20, 29]])

a=np.array([[1,2,3],[2,3,4]])**3
#array([[ 1,  8, 27],
#       [ 8, 27, 64]], dtype=int32)

其中很多內建函式的使用，即利用.訪問，如a.sum/a.max/a.min,同時也提供很多全域性函式使用例如：np.exp()/np.sqrt()等，具體使用可參加函式說明，其中可以指定axis確定處理資料的方式。

陣列索引訪問

numpy中多維陣列的訪問與matlab中訪問有類似的地方。

一維陣列

一維陣列訪問記住 start:end:step 即可
遍歷方法

for i in a:
    print(i)

下面舉例說明start:end:step的用法,從下面的程式碼段可知：
若不寫step預設為1，不寫start預設從0開始（array索引從0開始），不寫end預設為最後一位。
同時注意特殊的索引方法，-1表示最後一個元素。

import numpy as np
a=np.arange(10)#array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

a[1:5:1]#array([1, 2, 3, 4])

a[:6]#array([0, 1, 2, 3, 4, 5])

a[0:6]#array([0, 1, 2, 3, 4, 5])

a[3:]#array([3, 4, 5, 6, 7, 8, 9])

a[::4]#array([0, 4, 8])

#特殊(步長-1表示方向)
a[::-1]#array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])
a[-4:-8:-1]#array([6, 5, 4, 3])
#a[4:8:-1]wrong!

二維陣列

遍歷方法

for row in b:
    print(row)

二維索引利用array[行操作，列操作]，其中行列操作遵循strat:end:step即可，即可從二維陣列中取出行，列，資料塊。
同時注意如下通過索引從陣列中取出的切片若發生變化，則原來的陣列也隨之發生變化。

import numpy as np
a=np.arange(10)#array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

a[1:5:1]#array([1, 2, 3, 4])

a[1:5:1]=5

a#array([0, 5, 5, 5, 5, 5, 6, 7, 8, 9])