02Numpy基础（上）

安装虚拟环境

复制代码

//查看conda版本
conda -V    
//查看已有的虚拟环境
conda env list
//创建虚拟环境
conda create -n env_name python=x.x
//指定位置创建虚拟环境
conda create --prefix D:/path/to/myenv python=3.14
//删除虚拟环境
conda remove -n env_name --all
//激活虚拟环境
conda activate env_name
//关闭虚拟环境
conda deactivate

安装numpy

复制代码

//conda虚拟环境安装
conda install numpy
//pip安装
pip install numpy
//验证（推荐使用jupyter）
import numpy as np
print(np.__version__)

//jupyter设置中文
pip3 install jupyterlab-language-pack-zh-CN

数组基础

导入numpy库（conda环境为例）

复制代码

import numpy as np
print(np.__version__)

数据类型

1.只需要知道数据类型分为整数型和浮点型数组

2.使用语法np.array( $1,2,3$ )

3.print输出数组时逗号消失的好处：一是避免与列表混淆，二是输出结果逗号可以与小数点区分开

4.同化定理

当数组都是整数的时候，那么插入一个小数就会被强行截断转化为整数

当数组为浮点数的时候，那么插入一个整数就会强行转化为浮点数

复制代码

import numpy as np
arr2=np.array([1,2,3])
arr2[0]=1.2
print(arr2)

5.共同改变定理（整数型与浮点型相互转化）

界限严格，但是如果全体共同改变，那么就可以做到整数型与浮点型相互转化

规定的方法是 .astype()

复制代码

ndarray.astype(dtype, order='K', casting='unsafe', subok=True, copy=True)
#dtype指定目标类型

import numpy as np
#规定一个整数型
arr1=np.array([1,2,3,4,5,6,7,8,9],dtype=np.int32)

arr_float=arr1.astype(np.float32)

print(arr_float)

6.全体共同改变不只是通过上述np模块的astpye方法，还有如下情况

复制代码

#整数型数组与浮点型数组做运算

#整数型数组遇到除法，不论运算对象是不是整数，都会转化为浮点型数组

#整数型数组与浮点数做运算
arr=np(arr1+0.0)

7.整数型数组很好升级，但是浮点型数组一般不会降级

数组维度(有点绕)

1.一维数组和二维数组

一维数组一层中括号 $1,1,1$

二维数组两层中括号 $\[1,1,1$ ]

\[1,1,1\]

2.有些函数需要传入数组的形状参数（矩阵的形式）

注意：

维数就是我有几个方向

numpy数组的某个轴，指的是：该数组的某个维度的方向，其方向从索引号由底到高。许多numpy方法或函数在调用时，常常需要指定一个关键参数"axis=X",它表示的是沿哪个轴的方向进行运算（例如，求均值，方差等），这里的X表示的是轴的索引号（axis=0表示轴0，axis=1表示轴1，...,依此类推）。

一维数组有一个方向-默认按轴0方向（列方向）排列形状参数：x或者（x,）x列

二维数组形状参数：（x,y）一个平面或者一个矩阵（几行几列）

三维数组有三个方向-轴0，轴1，轴2形状参数：（x,y,z）第一个数规定有几个平面（类似于高），后两个数规定每个平面如何组织（几行几列）

numpy数组有几个基本属性如下，可以帮助理解

ndarray.ndim: 这个属性表示数组的轴数，也就是维度的数量。例如，一个一维数组的ndim为1，二维数组的ndim为2，以此类推。
ndarray.shape: 这个属性返回一个元组，表示数组在每个维度上的大小。对于一个n行m列的矩阵，shape将是(n,m)。shape元组的长度就是数组的维度数，即ndim。
ndarray.size: 这个属性表示数组中元素的总数。它等于shape元组中所有元素的乘积

import numpy as np
#定义一个三维数组
arr2=np.ones((3,3,3))
print(arr2)

注意一下数组的维度（通过中括号的数量），后面有些函数比如数组的拼接需要两个数组是同维度

不同维度数组之间的转换

方法 .reshape(shape参数)

注意：

1.不论一二维数组如何转换，均要使用.reshape(shape参数)

2.该方法神奇的是，给定了其他维度的数值后，剩下一个维度可以给-1，让它自己去算。

shape(10)一行十列-----shape(2,5)二行五列

复制代码

#一维数组转为二维数组
arr = np.array([1,2,3,4,5,6,7,8,9,10])#(10)
arr2=arr.reshape(2,-1)#(2,5)
print(arr2)

注意：现规定，在本系列教程中，一维数组称为向量，二维数组称为矩阵