0103 NumPy QuickStart 翻译¶

官网原文：https://numpy.org/devdocs/user/quickstart.html

生词¶

单词 / 词组	翻译
refresher	n. 补习课程；a. 专业性复习进修的
for a refresher	如需复习
in addition to (NumPy)	除了 (NumPy) 之外
learner profile	学习特征
overview	n. 概述，综述；v. 概述，综述
quick overview	简要概述
dimension	n. 方面；尺寸；维度
demonstrate	v. 证明；示范，演示
dimensional	a. 维度的
n-dimensional	多维的
represent	v. 代表；表示
manipulate	v. 操作；使用
particular	a. 特别的；特殊的；详细的 n. 详情
in particular	尤其，特别是
apply (common functions) to (n-dimensional arrays)	将 (常用函数) 应用于 (多维数组)
this article	本文
linear	a. 线性的；连续的；（关系）直接明显的
algebra	n. 代数；代数学
operation	n. 运作；运营；（数学）运算
linear algebra	线性代数
some linear algebra operations	一些线性代数运算
homogeneous	a. 同类型的
multidimensional	a. （数学）多维的
index by (...)	由（...）进行索引
coordinate	n. 坐标
functionality	n. 功能；[数] 泛函性，函数性
attribute	n. 属性
indicating	v. 表明；暗示
matrix	n. 矩阵；模型
therefore	ad. 因此，所以
the total number of (elements of the array)	(数组元素) 的总数
is equal to (...)	等于 (...)
the product of (...)	(...) 之积
describe	v. 描述
specify	v. 明确指出
additionally	另外；此外
provide	v. 提供

你需要了解一点 Python 的知识，如需复习，请参考 Python tutorial

要运行示例，除了 NumPy 之外，还需要安装 matplotlib

这是 NumPy 中数组的一个快速概括。它演示了如何表示和操作多维数组（n >= 2)。特别是，如果你不知道如何将常用函数应用于多维数组（不使用 for 循环），或者如果你想去了解多维数组的轴和形状属性，本文可能会有所帮助。

在阅读后，你应该能够：

NumPy 的主要对象是同类型的多维数组。它是一个元素表（通常是数字），所有相同的类型，由非负整数元组索引。在 NumPy 中，维度也被称为轴。

例如，在三维空间中点的坐标数组 [1, 2, 1] ，有一个轴。这个轴有三个元素在其中，因此我们说它的长度为 3。在下面的例子中，数组有两个轴。第一个轴长度为 2，第二个轴长度为 3。

[[1., 0., 0.],
 [0., 1., 2.]]

NumPy 的数组类型被称为 ndarray。它也作为别名数组而被知晓。注意 numpy.ndarray 与标准 Python 库类的 array.array 不同，array.array 它只能处理一维数组且提供的功能较少。ndarray 对象更重要的属性是：

ndarray.ndim

数组轴数（维度）

ndarray.shape

数组的尺寸。这是一个整数元组，表示每个维度中数组的大小。对于一个 n 行，m 列的矩阵，shape 为 (n,m) 。shape 元组的长度就是轴的数量，ndim。

ndarray.size

数组元素的总和。这等于 shape 元素的乘积。

ndarray.dtype

一个描述数组元素类型的对象。可以使用标准 Python 类型创建或指定 dtype。另外，NumPy 还提供了它自己的类型。numpy.int32 ，numpy.int16 以及 numpy.float64 都是一些例子。

ndarray.itemsize

数组中每个元素的字节大小。例如，一个数组的元素类型 float64 有 8 个字节的元素大小（=64/8），另一种 complex32 的元素大小为 4（=32/8）。

ndarray.data

上一节：0102 NumPy 库基础操作