读过许多解说Numpy的教程后，我预备写一个Numpy系列。结合作业项目实践，以Numpy高效运用哲学为主线，要点解说高频运用函数。
1 Numpy更高效
运用Python的当地，就能看到Numpy，尤其是需求数值核算的当地，Numpy的高功能更是表现的酣畅淋漓。
它根据Python，供给远高于Python的高功能向量、矩阵和更高维度的数据结构。之所以功能高是由于它在密集型核算使命中，向量化操作是用C和Fortran代码完成。
2 导入Numpy
只需求一行代码就能导入：
在numpy包中，描绘向量，矩阵和更高维度的数据集运用的术语是.
3 生成numpy数组
有许多办法能初始化一个新的numpy数组，例如：, 等，从文件中读入数据，从python的lists等都能生成新的向量和矩阵数组。例：
v和m的类型都是ndarray，这是numpy中最首要的数据结构之一
v和m的不同仅仅是它们的形状(shape), 咱们能经过ndarray.shape特点发现它们的形状信息，shape特点很有用，尤其在深度学习模型调试中：
numpy中获取元素个数经过size：
4 为何需求用numpy?
到此，看起来十分像Python的list, 那咱们为什么不必Python的list核算，干嘛非要发明一个新的数组(array)类型呢？
有多个原因：
Python的list是一个通用结构。Python的list能包含恣意类型的目标，并且是动态类型, 它们不支持一些数学函数，比方矩阵的点乘，完成如此的函数关于Python的list而言，不会高效，由于它是动态类型
Numpy的array是静态类型和同质的，当array被创立时，元素的类型就确认
Numpy的array更节约内存
由所以静态类型，一些数学函数完成起来会更快，例如array间的加减乘除能够用C和Fortran完成
运用ndarray.dtype, 咱们能看到一个数组内元素的类型：
假如咱们尝试用str类型赋值给m，会报错：
创立数组时，能指定类型，经过为dtype赋值：
dtype更多取值：, , , , , 咱们还能够显现的界说数据位数的类型，如：, , ,
明日推送此系列的第二篇，欢迎重视「Python3分钟」，这儿满是Python和数据科学系列的好文章：
