NumPy 是一个开源的Python库，它是由 Numarray 和 Numeric 整合而来，在科学和工程领域有着广泛的应用，主要用于数据处理，其与 Pandas、SciPy、Matplotlib、scikit-learn、scikit-image 等模块结合使用，可以进行大数据处理、数据可视化、人工智能等。

NumPy 主要是提供了数组和矩阵的数据结构及相应的处理方法，并且对数据及矩阵可以进行高效的数学运算，具有线性代数、随机数生成等大量的高级数学函数库。

一、创建数组

NumPy 提供了 array() 函数用于创建数组，其语法结构如下：

numpy.array(obj, dtype=None, copy=True, order=None, ndmin=0)

参数说明：

boj：表示一个数组序列，如列表、元组、arange等

dtype：表示数组的数据类型，通过改变其值可改变数据的数据类型，默认为None

copy：表示数组能否被复制，默认为True

order：表示数组的内存布局，有3个值：C（行序列）、F（列序列）、A（默认）

ndmin：表示数组的维度

import numpy as np  # 导入模块arr = np.array([1,2,3,4])  # 创建数组print(arr)print(type(arr))

执行结果：

说明：数组可以是一维，二维，三维，如：

二、常用占位数组函数

numpy除了使用array()函数创建数组外，还提供了一些特殊的创建数组函数，如：zero()函数用于创建一个全0的数组，ones()函数用于创建一个全1的数组，empty()用于创建一个随机数组（注意不是空数组哦），eye()函数用于创建一个对角线为1的数组等，以上默认数据类型为float64，如：

另外，还有zeros_like()，ones_like()，empty_like()等函数，从字面理解就是创建一个与现有数组相同形状的全0，全1，和随机元素的数组，如：

zero_like():

ones_like():

empty_like():

三、numpy数组属性

numpy数组具有以下属性值：

1、ndarray.ndim：数组的维度数量，返回一个整数，表示数组是一维、二维或三维

2、ndarray.shape：数组的维度，返回一个元组，表示数组是什么形状，如（n,m）表示n行m列

3、ndarray.size：数组元素的数量，返回一个整数，表示数组有多少个元素，等于shape返回元组的元素乘积。

4、ndarray.dtype：数组元素的类型，如int32、int16、float64等。

5、ndarray.itemsize：数组每个元素的字节大小，等于其类型/8，比如一个元素的类型为int32，则其itemsize为4（32/8）。

6、ndarray.data：包含每个数组元素的缓冲器，一般用不到。

四、numpy数组元素的获取

数组元素的获取和列表、元组类似，其中一位数组就跟列表、元组一样，都是通过索引获取，二维、三维数组就是在一维的基础上增加第二个维度的索引下标即可，如：

另外，数组也可以跟列表一样，可以使用切片索引，如：

也可以使用布尔索引进行获取，如：

五、数组运算

数组也可以像列表，元组一样进行运算，如：

另外，我们还可以使用nump内置的通用函数进行运算，如我们熟悉的数学函数sin()、cos()/exp()，sum()等，如：

说明：以上都是把数组当做一个数字列表来进行运算的，无论它的维度是多少。

另外，还有其他的函数，如常用的 max（数组元素中的最大值），min（数组元素中的最小值），mean（求平均值）等，如：

还有很多函数，在此就不再一一介绍了，感兴趣的可以去找numpy文档自行研究。

六、数组的合并、拆分、复制、改变形状

6.1、数组的合并

数组之间可以沿不同的轴进行合并，如：

说明：数组在哪个方向上的合并，其轴的元素个数需要一致，如横向合并数组，则两个数组在横向上必须相同，即（n,x）和（n,y），垂直方向的合并也一样，即（x,n）和（y,n）。

6.2、数组的拆分

有合并就邮件拆分，数组也可拆分为指定的数组情况，如：

6.3、数组的复制

可以使用 = 、view()函数、copy()函数对数组进行复制，如：

6.4、改变数组形状

可以使用shape来改变数组的形状，如：

以上为numpy的一些简单介绍，当然numpy的功能不止这些，其强大的功能不是一两句话就能说完的，还得慢慢摸索研究。