使用Numpy快速处理数据

最新推荐文章于 2024-05-31 16:47:42 发布

瓦雪子

最新推荐文章于 2024-05-31 16:47:42 发布

阅读量369

点赞数

分类专栏： NumPy 文章标签： Numpy

本文链接：https://blog.csdn.net/ATOOHOO/article/details/100918858

版权

本文介绍了NumPy库在Python科学计算中的重要性，详细讲解了如何创建和操作ndarray对象，包括ufunc运算、数组创建、算数与统计函数的使用，如amax、amin、percentile等，并探讨了排序方法。通过实例展示了NumPy如何提升数据处理效率。

摘要由CSDN通过智能技术生成

1.使用NumPy让Python的科学计算更加高效

简介：NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
区别：为什么不是直接使用list，而是更加高效的NumPy
原因：NumPy重新定义了数据结构，使用的是C语言编写，运行速度非常快，主要是用于数组计算。
规则：避免使用隐式拷贝，而是采用就地操作的方式：如使用x = 2,不用y = x2

官网地址：https://numpy.org/devdocs/user/quickstart.html

中文学习网站：https://www.runoob.com/numpy/numpy-tutorial.html

NumPy包含的两个重要的对象：

ndarray：一个强大的N维数组对象 ndarray
ufunc：全称为universal function

ndarray（N-dimensional array object ）对象

ndarray:多维数组
一维数组的秩=1，二维数组的秩=2，三维数组的秩=3
线性数组称为一个轴（axes），秩就是描述轴的数量

创建数组：

import numpy as np
a = np.array([1, 2, 3])
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b[1,1]=10 # 直接赋值进行修改
print(a.shape)  # 获取数组的大小
print(b.shape) 
print(a.dtype) # 获取元素的属性
print(b)

# 运行结果
'''
(3,)
(3, 3)
int32
[[ 1  2  3]
 [ 4 10  6]
 [ 7  8  9]]
'''

结构数组

目的：统计一个班级里面的学生的姓名、年龄、以及语文、英语、数学成绩：
NumPy的实现方式：

import numpy as np
# 使用dtype定义结构类型
persontype = np.dtype({
   
    # 很明显names和formats是关键字，不能出错！
    'names':['name', 'age', 'chinese', 'math', 'english'],
    'formats':['S32','i', 'i', 'i', 'f']})
# 定义数组的时候用array中指定了的结构数组类型dtype=persontype
peoples = np.array([("ZhangFei",32,75,100, 90),("GuanYu",24,85,96,88.5),
       <