Numpy 的学习笔记

Numpy 的学习笔记

几点约定

全文采用1 ~ 3个井号，对应全书的一级、二级和三级标题。
采用四个井号来记录正式的笔记内容

Quickstart Tutorial

基础

• Numpy的主要目的，是处理相同类型数据构成的【表元素】Table Elements

• Numpy 的维度，被称为【轴】axes

# 以下数据有两个轴，第一个轴长度为2， 第二个轴长度为3
# 与线性代数中的约定是相同的，以下为一个2 x 3的矩阵
[[ 1., 0., 0.],
 [ 0., 1., 2.]]

ndarray的属性

这里讲述了ndarray的6个属性

ndim : 维度、shape : 形状、size : 大小

dtype : 元素类型、itemsize : 元素体积、data : 缓存空间

• ndarray.ndim

  轴（维度）的数量

• ndarray.shape

  数组的形状，每一个维度上的尺寸，构成一个tuple元组

• ndarray.size

  数组的总元素数，等于size各维度的乘积

• ndarray.dtype

  数组元素的数据类型。除了标准的Python类型之外，NumPy还给了自己的一些类型，包括numpy.int32, numpy.int16, numpy.float64

• ndarray.itemsize

  数组元素占用的位数。比如float64，占用itemsize 8。与ndarray.dtype.itemsize是等价的。

• ndarray.data

  包含数组实际元素的缓冲区。通常不需要使用，而使用检索访问数据。

>>> import numpy as np
>>> a = np.arange(15).reshape(3, 5)
>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
>>> a.shape   # shape 形状
(3, 5)
>>> a.ndim    # ndim 维度
2
>>> a.dtype.name  # dtype 类型
'int32'
>>> a.itemsize   # itemsize 元素体积
4
>>> a.size  # size 大小
15
>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
>>> type(a)     # a的类型
<class 'numpy.ndarray'>
>>> b = np.array([6, 7, 8])
>>> b
array([6, 7, 8])
>>> type(b)
<class 'numpy.ndarray'>
>>> b.size
3
>>> b.ndim
1
>>> b.dtype
dtype('int32')
>>> b.data    # 缓存空间
<memory at 0x000001E33E78F588>
>>> b.itemsize
4

创建array（数组）的方法

1. 使用常规的Python list 或者tuple，调用【数组方法】array method

注意，采用array方法的时候，一定是一个list或者tuple，而不能是仅仅是一组有序的数字

import numpy as np
a = np.array([2, 3, 4])
b = np.array((1.2, 3.5, 5.1))

2. 采用array方法创建多维数组

>>> c = np.array([[1.5, 2.3], [4, 5, 6]])
>>> c     # 注意因为上面的两个list尺寸不同，所以创建了两个list构成的数组
array([list([1.5, 2.3]), list([4, 5, 6])], dtype=object)
>>> c = np.array([[1.5, 2.3, 3.2], [4, 5, 6]])
>>> c    # 采用相同维度的list，创建了多维array
array([[1.5