Numpy概述(学习笔记)(2)

• 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

一、Numpy概述

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

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/

1. 引入

---

import numpy

2. 查看版本

---

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，

3.创建别名

---

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

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)

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）