NumPy
NumPy(Numeric Python)提供了许多高级的数值编程工具,如:矩阵数据类型、矢量处理,以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用,以及核心的科学计算组织如:Lawrence Livermore,NASA用其处理一些本来使用C++,Fortran或Matlab等所做的任务。其中Python一些主要的软件包(如SciPy、Pandas和TensorFlow)都是以Numpy作为其架构的基础部分。
Numpy优点
一个强大的N维数组对象Array;
比较成熟的(广播)函数库;
用于整合C/C++和Fortran代码的工具包;
实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。
首先解析Array是什么?Array与List的区别?
array:数组
array() 是 numpy 包中的一个函数,array 里的元素都是同一类型。
List: 列表
python 中的 list 是 python 的内置数据类型,list 中的数据类型不必相同,
在 list 中保存的是数据的存放的地址,即指针,并非数据。
Numpy基本对象:
ndarray:是存储单一数据类型的多维数组。
ufunc:是一种能够对数组进行处理的函数
Numpy常见的使用方法:
import numpy as np
import random
#其中array(range)与arange用法一样
t1 = np.array(range(12))
tt1 = np.arange(12)
print("t1:",t1)
print("tt1:",tt1)
out
t1: [ 0 1 2 3 4 5 6 7 8 9 10 11]
tt1: [ 0 1 2 3 4 5 6 7 8 9 10 11]
#shape是返回数组的维度,ndim返回数组的维度数
print("t1维度:",t1.shape)
print("t1维度数:",t1.ndim)
out
t1维度: (12,)
t1维度数: 1
t3 = np.array([[1,2,3],[4,5,6]])
print("t3:",t3)
print("t3维度:",t3.shape)
print("t3维度数:",t3.ndim)
out
t3: [[1 2 3]
[4 5 6]]
t3维度: (2, 3)
t3维度数: 2
#dtype规定数据类型
t4 = np.array(range(4),dtype='int64')
print("t4:",t4)
print(t4.dtype)
out
t4: [0 1 2 3]
int64
#保留小数原py用法与np.round用法对比
t5 = np.random.random()
print("t5:",np.round(t5,2))
t6 = "%.2f" % t5
print("t6:",t6)
out
t5: 0.67
t6: 0.67
小白自学Numpy,请大佬多多指正