np=numpy++：具有附加便利功能的numpy
np的Python项目详细描述
np–将numpy数组创建为np[1,3,5]，等等
np=numpy+方便的工具
很简单：首先导入np（numpy的别名）：
importnp
创建一维数组：
np[1,3,5]
创建二维矩阵：
np.m[1,2,3::4,5,6::7,8,9]
对于数值python包numpy本身，请参见http://www.numpy.org/。
np的思想是提供一种创建具有紧凑语法且不需要显式函数调用的numpy数组的方法。将模块名np设为可订阅的，同时仍然保持它本质上是numpy的别名，这样做是一种干净的方式。
欢迎任何反馈：koos.zevenhoven@aalto.fi。
开始
要求
- 最适合使用Python3.5+（也在3.4和2.7中进行了测试）
- numpy（您应该使用python包管理器安装它，比如conda或pip）
安装
np可以与pip或pip3一起安装：
$ pip install np
或者直接从源代码：
$ git clone https://github.com/k7hoven/np.git
$ cd np
$ python setup.py install
基本用法
甚至在使用np工具之前，使用numpy的一种流行方式就是将其导入为np：
>>>importnumpyasnp>>>my_array=np.array([3,4,5])>>>my_2d_array=np.array([[1,2],[3,4]])
np最重要的特性是减少数组创建的繁琐，而其他一切都像以前一样工作。上述代码变为：
>>>importnp>>>my_array=np[3,4,5]>>>my_2d_array=np[[1,2],[3,4]]>>>my_matrix=np.m[1,2:3,4]>>>my_matrix2=np.m[1,2,3:...:4,5,6:...:7,8,9]>>>my_row_vector=np.m[1,2,3]
从上面的示例中可以看到，可以通过订阅np模块来创建numpy数组。因为大多数人无论如何都会将numpy导入为np，所以这不需要额外的名称来混乱名称空间。另外，语法np[1,2,3]类似于bytes文本b"asd"的语法。
上面还演示了如何使用np.m和冒号轻松创建矩阵（nxm）或行向量（1xm）。
np包还提供了一种方便的方法来确保某个东西是numpy数组，也就是说，指向numpy.asarray()：
>>>importnp>>>mylist=[1,3,5]>>>mylist+[7,9,11][1,3,5,7,9,11]>>>np(mylist)+[7,9,11]array([8,12,16])
作为一个实验特性，还提供了给数组指定数据类型（numpy dtype）的快捷方式：
>>>np[1,2,3]array([1,2,3])>>>np.f[1,2,3]array([1.,2.,3.])>>>np.f2[1,2,3]array([1.,2.,3.],dtype=float16)>>>np.u4[1,2,3]array([1,2,3],dtype=uint32)>>>np.c[1,2,3]array([1.+0.j,2.+0.j,3.+0.j])
更改日志
1.0.0（2017-09-20）
创建矩阵现在更加简单：
np.m[1, 2: 3, 4] == np.array([[1, 2], [3, 4]]) np.m[1, 2: :3, 4] == np.array([[1, 2], [3, 4]]) np.m[1, 2] == np.array([[1, 2]]) np.m[1, 2].T == np.array([[1], [2]])np(...)对应于np.asarray(...)
对错误处理的许多改进
输入快捷键的更多清理操作
0.2.0（2016-03-29）
- 快速类型现在是np.i，np.f，np.u，np.c，或者 每个附加值的bytes个数： np.i4->；int32，np.u2->；uint16，np.c16->；完成128，… （仍有些实验性）
- 删除了表示8位类型的旧np.i8和np.ui8 与对应于 字节。其余基于位的快捷方式已弃用，并将被删除 稍后。
- 更好地处理python版本>；=3.5；现在甚至是以前导入的普通numpy 模块对象变成与np完全相同的对象。
- 所有NP功能的测试
- 运行数次numpy测试套件的测试速度慢得可笑 确保np不会影响numpy的功能。
- 从需求中移除numpy，如果numpy 缺少（即使用包管理器（如conda或pip）安装它）
- 更好地表示可订阅数组创建器对象和np/numpy模块。
0.1.4（2016-01-26）
- 错误修复
0.1.2（2015-06-17）
- 改进的实验数据类型快捷方式：np.f[1,2]、np.i32[1,2]等。
0.1.1（2015-06-17）
- pypi友好自述文件
0.1.0（2015-06-17）
- 第一个可分发版本
- 简单的数组，如np[[1,2]，[3,4]]
- 短裤t代表np.asanyarray（obj）：np（obj）
- 实验数据类型快捷方式：np.f64[[1,2]，[3,4]]
欢迎加入QQ群-->： 979659372
