02. NumPy的使用

NumPy的介绍

 

NumPy是科学计算的标准，让Python支持灵活多维的数组，让数学计算快速而简明

• NumPy是使用Python进行科学计算的基础包
• 一个强大的N维数组对象
• 复杂的（广播）功能
• 用于集成C / C ++和Fortran代码的工具
• 有用的线性代数，傅里叶变换和随机数功能
• 除了明显的科学用途外，NumPy还可以用作通用数据的高效多维容器。可以定义任意数据类型。这使NumPy能够无缝快速地与各种数据库集成。

import time
import numpy as np

start = time.time()
# 使用Python自带的 sum 函数和numPy的sum函数计算，运行时间上有很大的差别
# print(sum(range(0, 1000000)))
print(np.sum(np.arange(0, 1000000)))
end = time.time()
print(end - start)

ndarray

• NumPy 最重要的一个特点是它的 N 维数组对象 ndarray(N dimension array)，它是一系列数据(通常都是同一类型的数据)的集合。
• ndarray里每一个维度称为一个轴。例如，[1,2,3]只有一个维度，也就只有一个轴，它有三个元素，我们可以称它的轴长是3；[[4,5,7,10],[11,12,34,55]]有两个维度，也就有两个轴，第一个轴长为2,第二个轴长为4.

• ndarray的shape属性，它是一个元祖类型的数据，用来表示数组有几个轴，以及每个轴的轴长。

• NumPy里提供了多种方式用来创建一个ndarray对象。参考创建ndarray对象

• ndarray的常见属性:

import numpy as np
na = np.array([  # 调用 numPy的array方法，可以创建一个 ndarray对象 
    [[9, 4, 2],
     [3, 5, 8],
     [2, 2, 0],
     [7, 6, 1]],
    [[1, 4, 7],
     [2, 5, 8],
     [3, 6, 9],
     [7, 4, 2]],
])
print(na.ndim)   # 3 数组的维度
print(na.size)   # 24 数组里元素的个数
print(na.dtype)  # int32 数组里元素的类型
print(na.shape)  # (2, 4, 3)  说明这是一个三维数组，第一个轴长是2，第二个轴长是4，第三个轴长是3
print(na.itemsize) # 4 数组里元素的字节数
dir(na)