NumPy是一个开源免费的基于Python的科学计算包，这个系列的几篇文章就作为自己学习NumPy的学习笔记对自己的学习过程做一记录。所以，这系列的博客不求准确和全面，只是就我目前最新的理解谈一谈NumPy的具体使用，顺便也会涉及一些关于SciPy和Matplotlib的使用。

    NumPy的官方网址是： http://numpy.scipy.org/，官方的说明是这样的：

    The fundamental package needed for scientific computing with Python is called NumPy. This package contains:

• a powerful N-dimensional array object
• sophisticated (broadcasting) functions
• tools for integrating C/C++ and Fortran code
• useful linear algebra, Fourier transform, and random number capabilities.

      那么也就是说，NumPy是Python用于科学计算的基础包。可以实现类似于矩阵操作，随机数生成，以及线性回归等在内的较为简单的科学计算。那我们首先从几个简单例子看看它的使用方法：

1）高精度浮点数定义：

• 0.000000009
• 123.2E-10

2）矩阵定义

• 产生数据矩阵1： data = arange(50).reshape(5,10)
• 产生数据矩阵2： data = rand(5,5)
• 产生数据矩阵3： data = binomial(10,0.4,(5,5))
• 产生数据矩阵4:  a.fill(3), a[:] = 3

3）矩阵的乘法，点乘和除法和点除

• 乘法： dot(a,b) # a,b 可以为两个大小一致的矩阵或者张量，下同
• 点乘： a * b
• 除法： (目前好像没有找到)
  
• 点除：  a/b
• 对于向量： a*b 表示点乘，dot(a,b)表示内积     
  

4）杂例

• r_: r_[np.array([1,2,3]), 0, 0, np.array([4,5,6])]
  • array([1, 2, 3, 0, 0, 4, 5, 6])
    
• ndindex:  for index in ndindex(2,2,3): print index
  • (0, 0, 0) (0, 0, 1) (0, 0, 2) (0, 1, 0) (0, 1, 1) (0, 1, 2) (1, 0, 0) (1, 0, 1) (1, 0, 2) (1, 1, 0) (1, 1, 1) (1, 1, 2)
• linaalg: linalg.inv(a), linalg.norm(a)

数据种类 (http://docs.scipy.org/doc/numpy/user/basics.types.html)

NumPy包介绍：

• core
• dft
• distutils
• f2py
• lib
• linalg
• numarray
• oldnumeric
• random
  
• testing

SciPy 包介绍：

• __core_config__
• __scipy_config__
• __svn_version__
• _import_tools
• core_version
• fft, fft2, fftn — discrete Fourier transform. Also see fftshift, fftfreq.
• fftpack (package)
• integrate (package)
• interpolate (package)
• io (package)
• lib (package)
• linalg (package)
• old__init__
• optimize (package)
• scipy_version
• sparse (package)
• special (package)
• stats (package)
• test (package)
• utils (package)

    大家应该对NumPy有了一个初步的印象了，简单来说，我们可以把NumPy看作是Python版的Matlab。 下一节我们将从Array开始，详细记录NumPy的向量操作。