NumPy是Numerical Python的簡(jiǎn)稱，是Python的支持矢量運(yùn)算的面向N維數(shù)組的一個(gè)運(yùn)算庫(kù)，目前在機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)領(lǐng)域被廣泛使用，并且當(dāng)前許多支持科學(xué)計(jì)算的工具包都是基于NumPy開(kāi)發(fā)的，例如pandas,，scikit-learn，TensorFlow等。

NumPy最大的特點(diǎn)是其對(duì)象ndarray，其存儲(chǔ)形式是N維的數(shù)組，我們可以將NumPy的1維數(shù)據(jù)看成是向量，多維數(shù)據(jù)看成是矩陣，可以把NumPy的計(jì)算看成是向量或矩陣運(yùn)算，這點(diǎn)跟MATLAB特別相似。

說(shuō)到數(shù)組，或許你可能有疑問(wèn)了，Python本身就包含列表（list）和數(shù)組（array），為什么我們非要用NumPy而不用常規(guī)的Python數(shù)組呢？這主要是因?yàn)镹umPy的算法庫(kù)都是由C語(yǔ)言編寫，可以直接操作內(nèi)存，所以極大的提高了運(yùn)行效率，一般基于NumPy的算法要比純Python快10-100倍，并且占用的內(nèi)存更少，可以說(shuō)是既快又省。

基于NumPy的數(shù)據(jù)結(jié)構(gòu)特點(diǎn)，本文主要從NumPy的一維數(shù)組（可以理解為向量）和多維數(shù)組（可以理解為矩陣）2個(gè)方面進(jìn)行介紹，以便于大家系統(tǒng)性的學(xué)習(xí)NumPy。

一維數(shù)組（向量）

• 創(chuàng)建數(shù)組

最基本的方式是利用NumPy的array()函數(shù)通過(guò)列表創(chuàng)建數(shù)組。

在實(shí)際應(yīng)用中，我們經(jīng)常會(huì)用到一些已經(jīng)初始化的數(shù)組，比如全0數(shù)組、全1數(shù)組、隨機(jī)數(shù)組等等。NumPy也提供了相應(yīng)的函數(shù)zeros()、ones()、random()等函數(shù)。

• 數(shù)組運(yùn)算

NumPy對(duì)于長(zhǎng)度相等的一維數(shù)組的運(yùn)算都會(huì)將運(yùn)算應(yīng)用到元素級(jí)，事實(shí)上就是向量的縮放、向量的加減法，需要注意的是兩個(gè)數(shù)組相乘跟點(diǎn)積是不一樣的。

• 數(shù)組的索引和切片

NumPy對(duì)于一維數(shù)組的索引與Python中列表的索引沒(méi)什么區(qū)別。

• 聚合

NumPy中ndarray是一個(gè)對(duì)象，提供了許多聚合方法用于對(duì)象的操作，例如求最大值、最小值、均值等等。

多維數(shù)組（矩陣）

• 創(chuàng)建矩陣

同一維數(shù)組類似，矩陣的創(chuàng)建既可以通過(guò)基本的列表操作實(shí)現(xiàn)，也可以用上面提到的初始化函數(shù)zeros()、ones()、random()等函數(shù)，只不過(guò)需要相應(yīng)的增加維度。

• 矩陣運(yùn)算

NumPy中矩陣的加減運(yùn)算同樣將行列數(shù)相等的矩陣應(yīng)用到元素級(jí)，NumPy有個(gè)很好的功能叫廣播（broadcast ），既對(duì)于行列數(shù)不同的矩陣，只要有一個(gè)矩陣的行數(shù)或列數(shù)與另一個(gè)矩陣一致，并且是一個(gè)一維矩陣，那么2個(gè)矩陣在作運(yùn)算時(shí)，NumPy會(huì)自動(dòng)把那個(gè)一維矩陣補(bǔ)充成完整的多維矩陣。

• 點(diǎn)積

NumPy提供了矩陣之間的點(diǎn)積運(yùn)行函數(shù)dot()，可以直接計(jì)算矩陣的點(diǎn)積。

• 索引和切片

同樣的，矩陣的索引和切片與Python中2維數(shù)組類似，第一個(gè)維度對(duì)應(yīng)于行，第二個(gè)維度對(duì)應(yīng)于列，取多個(gè)元素可以用“：”。

• 矩陣聚合

矩陣同樣支持聚合操作，除了對(duì)所有值進(jìn)行聚合，NumPy還支持對(duì)特定的軸進(jìn)行聚合，axis=0（既0軸）表示對(duì)橫軸進(jìn)行操作，在計(jì)算上是沿著橫軸方向一列一列計(jì)算；axis=1（既1軸）表示對(duì)縱軸進(jìn)行操作，在計(jì)算上是沿著縱軸方向一行一行計(jì)算。

• 矩陣變換

在線性代數(shù)中常常用到舉證的變換，例如矩陣轉(zhuǎn)置、矩陣重塑。NumPy提供了.T屬性用于矩陣的轉(zhuǎn)置，reshape()函數(shù)用于矩陣的重塑。

總結(jié)

NumPy在Python線性代數(shù)的運(yùn)算中提供了非常好的數(shù)據(jù)結(jié)構(gòu)，其ndarray對(duì)象擁有許多方便的方法和屬性，并且其良好的運(yùn)算性能也是純Python不能替代的，所以在機(jī)器學(xué)習(xí)中NumPy是非常強(qiáng)大的存在，學(xué)好NumPy是機(jī)器學(xué)習(xí)實(shí)現(xiàn)各種算法的基礎(chǔ)。