numpy 基础使用

NumPy是Python中科学计算的基础包。它是一个Python库,提供多维数组对象,各种派生对象(如掩码数组和矩阵),以及用于数组快速操作的各种API,有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数,基本统计运算和随机模拟等等。

首先引入numpy

python 复制代码
import numpy as np

ndarray

NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。 它描述相同类型的元素集合。 可以使用基于零的索引访问集合中的项目。

ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)。

ndarray对象提取的任何元素(通过切片)由一个数组标量类型的 Python 对象表示。 下图显示了ndarray,数据类型对象(dtype)和数组标量类型之间的关系。

ndarray常用属性:

属性 含义
ndim 维度(轴)的个数
shape 维度,轴,形状大小
size 元素的总个数
dtype 元素的数据类型
itemsize 元素的字节大小
python 复制代码
num = np.random.randn(2,3)
print(num)
print("数据类型:", type(num))
print("维度个数:", num.ndim) # 行数
print("维度大小(n,m):", num.shape)
print("元素总个数:", num.size)
print("元素的数据类型:", num.dtype)
print("元素的字节大小:", num.itemsize)

array函数

array具有以下功能:

  • 将任意的序列对象转换为数组
  • 支持将特定的嵌套序列转换为高维数组
  • 自动推断生成的数据类型
python 复制代码
# 将列表转为数组类型
num1 = np.array([1,2,34])
num2 = np.array([ 
    [1,2, 34],
    [34, 2, 1]
    ])
# 设置元素类型
num3 = np.array([
    [1,2,34],
    [34,2,1]
], dtype='float32')

print(num1)
print(num2)
print(num3)

zeros函数

用法与array函数相似。创建全0数组,默认元素类型是浮点数类型;使用元组指定创建数组的形状。

python 复制代码
# 创建 3行4列的全0矩阵
num = np.zeros((3,4))
print(num)

ones函数

zeros函数一样,只不过是创建全0数组,默认元素类型是浮点数。

python 复制代码
# 创建 3行4列的全1矩阵
num = np.ones((3,4))
print(num)

empty函数

创建一个未初始化的数组。元素为内存中不确定值。

python 复制代码
# 创建 3行4列的全1矩阵
num = np.empty((3,4))
print(num)

arange函数

arange()类似于python的内置函数range(),通过指定开始值终值步长 来创建表示等差数列的一维数组,返回给定间隔内的均匀间隔值,注意得到的结果数组不包含终值

arange()函数有四个个参数,分别是start(开始值)、stop(终值)、step(步长)和dtype(数组类型)。

开始值可选,默认值是0,包含在数组中

终止值必选,不包含在数组中

步长可选,默认是1

python 复制代码
# 长度为0到9
num1 = np.arange(10)
print(num1)

# 长度为0到9的偶数
num2 = np.arange(0, 10,2)
print(num2)

# 长度为0到9的奇数
num3 = np.arange(1,10,2)
print(num3)

其他函数

  • asarray函数:类似array函数,但若转换对象为数组时,仅创 建一个引用,而array为深拷贝。
  • ones_like函数:创建一个与指定数组相同形状的全1数组。
  • zeros_like函数:创建一个与指定数组相同形状的全0数组。
  • empty_like函数:创建一个与指定数组相同形状的未初始化数组。

数据类型

Numpy 的类型 C 的类型 描述
np.int8 int8_t 字节(-128到127)
np.int16 int16_t 整数(-32768至32767)
np.int32 int32_t 整数(-2147483648至2147483647)
np.int64 int64_t 整数(-9223372036854775808至9223372036854775807)
np.uint8 uint8_t 无符号整数(0到255)
np.uint16 uint16_t 无符号整数(0到65535)
np.uint32 uint32_t 无符号整数(0到4294967295)
np.uint64 uint64_t 无符号整数(0到18446744073709551615)
np.intp intptr_t 用于索引的整数,通常与索引相同 ssize_t
np.uintp uintptr_t 整数大到足以容纳指针
np.float32 float
np.float64 / np.float_ double 请注意,这与内置python float的精度相匹配。
np.complex64 float complex 复数,由两个32位浮点数(实数和虚数组件)表示
np.complex128 / np.complex_ double complex 请注意,这与内置python 复合体的精度相匹配。

还有许多别名等,详情看:数据类型 | NumPy

数据类型的表示

既可以用类型本身,如np.int32,也可以用类型名称字符串,例如int32,还可以用类型代码字符串,例如i4

类型转换

使用astype方法进行数组之间的类型转换。

默认生成一个新数组。

python 复制代码
num = np.arange(1,10,1.5)
print(num)

num1 = num.astype(int)
print(num1)

数组运算

  • 相同形状的数组之间的运算逐元素执行。

  • 数组与标量间的运算,将计算参数传递给 数组的每一个元素。

python 复制代码
num1 = np.array([1, 2, 3])
num2 = np.array([3, 4, 5])

# 相同形状的数组之间的运算逐元素执行。
print(num1 + num2)

# 数组与标量间的运算,将计算参数传递给 数组的每一个元素。
print(num1 + 100)

Python之Numpy详细教程_python numpy-CSDN博客

NumPy 介绍 | NumPy

相关推荐
敲代码不忘补水1 天前
Python Matplotlib 数据可视化全面解析:选择它的七大理由与入门简介
开发语言·python·信息可视化·numpy·pandas·matplotlib
取个名字真难呐3 天前
2、PyTorch张量的运算API(上)
pytorch·python·numpy
敲代码不忘补水3 天前
pandas 机器学习数据预处理:从缺失值到特征切分的全面解析
人工智能·后端·python·机器学习·numpy·pandas·matplotlib
小青头8 天前
numpy学习笔记
笔记·学习·numpy
取个名字真难呐8 天前
矩阵乘法实现获取第i行,第j列值,矩阵大小不变
python·线性代数·矩阵·numpy
小锋学长生活大爆炸9 天前
【教程】Cupy、Numpy、Torch互相转换
pytorch·numpy·cupy
鱼灯几许10 天前
Python爬虫
爬虫·python·numpy
爱折腾的小码农11 天前
记一次宝塔centos出现Failed to start crond.service: Unit crond.service not found.解决
python·centos·numpy
正义的彬彬侠13 天前
XGBoost算法Python代码实现
python·决策树·机器学习·numpy·集成学习·boosting·xgboost
竹笋常青15 天前
《流星落凡尘》
django·numpy