-
一、Numpy概述
-
- 1. 引入
-
2. 查看版本
-
3.创建别名
-
二、创建数组
-
- 1.一维数组
-
2.np.arange()
-
3.np.linspace()
-
三、二维数组
-
- 1.二维数组的跨度
-
2. 全0数组
-
3. 全1数组
-
4. 对角线二维数组
-
5. 随机二维数组
-
6.利用arange创建二维数组
-
四、多维数组
-
- 1.三维数组
-
2.reshape
=======================================================================
Numpy
是Numerical Python
的简称,特别是针对数组进行操作(创建,计算等)
可以通过浏览该网站查询更多相关知识:https://numpy.org/
import numpy
numpy.version # 查看电脑的numpy版本
如果想要更新Numpy
至最新版本,我使用的方法是在Anaconda
里面找到相应的要更新的模块,
import numpy as np
创建别名的好处,使得在使用的时候更加快速的引用它
例:
注:补充知识(%%time %time %timeit)
%%time 将会给出cell(一个单元格里面所运行的内容)的代码运行一次所花费的时间。
%time 将会给出当前行的代码运行一次所花费的时间。
%timeit 使用Python的timeit模块,它将会执行一个语句100,000次(默认情况下),然后给出运行最快3次的平均值。
ls=range(100000)
ls
补充知识:
"_"
是一个循环标志,类似于普通变量,只是不取值,只循环,这个"_"
其实就是一个占位符,和用普通变量i
但是不使用i
是一样的效果。
%%time
ls=list(range(100000))
for _ in range(10):
mylist=[x * 2 for x in ls] # 列表解析式
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
====================================================================
数组类型:一维数组,二维数组,多维数组
创建方法
-
np.array() list或者tuple
-
np.arange() np.inspace()
-
np.ones() np.zeors() np.eye() np.random.random()
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:
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
-
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。
-
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。
-
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)
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
-
start
,开始的数字 -
stop
,结束的数字 -
num
,返回的数量 -
endpoint
,一个bool型变量 -
retstep
,一个bool型,True的话输出之间公差 -
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。
====================================================================
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)
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%以上前端开发知识点,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,可以扫码获取!!!(备注:Python)
AApf-1713600823422)]
[外链图片转存中…(img-NEIIK5cw-1713600823423)]
[外链图片转存中…(img-sJPh10zL-1713600823423)]
[外链图片转存中…(img-Ib85xWrm-1713600823424)]
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%以上前端开发知识点,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,可以扫码获取!!!(备注:Python)