numpy 用法总结

简介

numpy 是Numerical Python的简称，是高性能的科学计算和数据分析的基础包，包含了大量的矩阵和数组的计算函数。下面来详细了解一下numpy的用法。

# 安装 numpy
pip install numpy
# 查看numpy的版本
numpy.__version__
# 导入numpy
import numpy as np

一、创建ndarray

ndarray：numpy中最基础的数据结构，一种多维的数组对象。
创建数组最简单的方法是使用array函数，它接受一切序列的对象，然后产生一个新的含有传入数据的numpy数组。

# 传入一个列表
data1 = [6, 7.5, 8, 0, 1]
data1 = np.array(data1)
data1
#输出
#array([6. , 7.5, 8. , 0. , 1. ])

# 传入嵌套序列会转化为多维数组
data2 = [[1, 2, 3, 4], [5, 6, 7, 8]]
data2 = np.array(data2)
data2
#输出
#array([[1, 2, 3, 4],
#       [5, 6, 7, 8]])

每个数组都会有一个shape（一个表示各维度大小的元组）和一个dtype（数组数据类型）

print(data1.shape, data1.dtype)
print(data2.shape, data2.dtype)
#输出
#(5,) float64
#(2, 4) int64

注意
1⃣️ 数组中所有元素的类型都相同；
2⃣️ 如果数组由列表创建，列表中的元素类型不一样时，会统一成某个相同的类型（优先级：str>float>int）;

除npp.array之外，还有一些函数可以新建数组，比如zeros和ones可以新建指定长度或形状的全0和全1的数组，empty可以创建一个没有任何具体值的数据，在使用是应注意系统会初始化一个随机值。

np.zeros(10)
#输出
#array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

# 传入一个指定形状的元组
np.ones((3, 6))
#输出
#array([[1., 1., 1., 1., 1., 1.],
#       [1., 1., 1., 1., 1., 1.],
#       [1., 1., 1., 1., 1., 1.]])