Jupyter Notebook使用numpy的多维数组

NumPy是目前Python数值计算中最重要的基础包，优势是大数据量运算时速度快，比通常的python方法快10到100倍， 并且使用的内存更少。
下面是在Jupyter Notebook学习numpy的ndarray的笔记。

1. #导入包
   
2. import numpy as np

复制代码

1. #生成随机数组
   
2. data = np.random.randn(2,3)
   
3. data

复制代码

1. #把数组的所有元素都乘以10
   
2. data * 10

复制代码

1. #数组的对应元素相加
   
2. data + data

复制代码

一般我们都使用标准的NumPy导入方式： import numpy as np
当然也可以写： from numpy import * , 来省略每次使用时多写的一个np
但是最好还是用保持标准导入的方式， 因为numpy这个命名空间包含了大量与Python内建函数重名的函数， 比如min和max

1. #查看数组的维度
   
2. data.shape

复制代码

1. #查看数组的数据类型
   
2. data.dtype

复制代码

在计算领域，数组不算啥，最重要的是矩阵，尤其是大规模矩阵的各种运算，比如，行化简求解线性方程组。

Python的计算能力不太行，估计NumPy会有很大提高。Fortran这种语言有很独特的处理矩阵的方法，好像Fortran是按列存的向量，C是按行存的二维数组。