Numpy概述(学习笔记)，面试高频题目

将上面的代码使用numpy:

import numpy as np

arr=np.arange(100000)

arr

%%time

arr=np.arange(100000)

for _ in range(10):

myarr=arr*2 # 列表解析式

由上述两端代码运行的时间可知：numpy进行数组的创建计算的效率高于list

二、创建数组

====================================================================

数组类型：一维数组，二维数组，多维数组

创建方法

1. np.array() list或者tuple

2. np.arange() np.inspace()

3. np.ones() np.zeors() np.eye() np.random.random()

1.一维数组

---

把列表和元组转换成为数组：

l1=[1,2,3,4,5,6]

l2=(6,5,4,3,2,1)

arrl1=np.array(l1)

arrl2=np.array(l2)

print(arrl1)

print(arrl2)

很清楚的看到区别，使用了 np.array() 之后，数据之间的逗号会消失。

以下是以浮点型为例子探讨数组的一些属性。

当数组定义好之后，本身带有的一些常用属性：

| 属性 | 解释 |

| — | — |

| arr.ndim | 返回的是数组的维度，返回的只有一个数，该数即表示数组的维度。 |

| type(arr) | 返回数据类型。 |

| arr.shape | 表示各位维度大小的元组。返回的是一个元组。 |

| len(arr) | 返回数组长度。 |

| arr.size | 返回元素个数。 |

| arr.itemsize | 返回元素的大小，元素的大小是根据数据的类型来定义的。 |

| arr.strides | 返回元素的跨度,跨度指两个元素之间要跨过的字节数。 |

| arr.dtype | 一个用于说明数组数据类型的对象,返回的是该数组的数据类型。 |

l3=[1.1,3.0,5.1,9.7,4.5]

arr=np.array(l3)

print(‘数据类型:’,type(arr))

print(‘轴(维度):’,arr.ndim)

print(‘数组长度:’,len(arr))

print(‘元素个数:’,arr.size)

print(‘形状:’,arr.shape) #元组后面必须要加逗号

print(‘元素的大小:’,arr.itemsize)

print(‘元素类型:’,arr.dtype)

print(‘跨度:’,arr.strides)

如果是整形的数组：

数组也可以是字符串类型或者混合类型:

2.np.arange()

---

np.arange():元素的间隔是固定的

函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是5，步长为1。

参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况

1. 一个参数时，参数值为终点，起点取默认值0，步长取默认值1。

2. 两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。

3. 三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长，其中步长支持小数。

np.arange(8)

print(np.arange(2,8,2))

np.arange(2,8,2)

3.np.linspace()

---

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

1. start，开始的数字

2. stop，结束的数字

3. num，返回的数量

4. endpoint，一个bool型变量

5. retstep，一个bool型，True的话输出之间公差

6. dtype，数据类型，类型有很多例如：np.bool…，可以自己指定

将2~8之间进行50等分：

np.linspace(2,8)

len(np.linspace(2,8))

np.linspace(2,8,4)

这就类似于微信的抢红包，每份金额都是相等的。

三、二维数组

====================================================================

l3=[[1,3,5],[6,1,9.1]]

arr=np.array(l3)

print(‘数据类型:’,type(arr))

print(‘轴(维度):’,arr.ndim)

print(‘数组长度:’,len(arr))

print(‘元素个数:’,arr.size)

print(‘形状:’,arr.shape)

print(‘元素的大小:’,arr.itemsize)

print(‘元素类型:’,arr.dtype)

print(‘跨度:’,arr.strides)

l4=[[1,3,5],[6,1,9]]

arr=np.array(l4)

print(‘数据类型:’,type(arr))

print(‘轴(维度):’,arr.ndim)

print(‘数组长度:’,len(arr))

print(‘元素个数:’,arr.size)

print(‘形状:’,arr.shape)

print(‘元素的大小:’,arr.itemsize)

print(‘元素类型:’,arr.dtype)

print(‘跨度:’,arr.strides)

对比：l3和l4区别在于l3的元素含有float类型，而l4都是int类型

分析：

print(‘元素个数:’,arr.size) # 是把所有元素都统计在内部

结果：

元素个数: 6

print(‘形状:’,arr.shape)

#结果：

形状: (2, 3) # 表示两行三列

1.二维数组的跨度

---

print(‘跨度:’,arr.strides) # 数组是两行三列，

此外，还可以构造全0和全1的数组：

2. 全0数组

---

np.zeros(10)

3. 全1数组

---

np.ones((2,4))

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算

我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算