数据挖掘01-NumPy

最新推荐文章于 2024-08-14 23:30:40 发布

S_an_qi

最新推荐文章于 2024-08-14 23:30:40 发布

阅读量70

点赞数

文章标签： python numpy Powered by 金山文档

本文链接：https://blog.csdn.net/S_an_qi/article/details/129296794

版权

本文介绍了NumPy在Python中的重要性，它作为数值计算的基础库，提供了N维数组对象Array和丰富的数学函数。NumPy的Array与列表List的主要区别在于Array中的元素类型统一，且在内存中连续存储，适合高性能计算。文章还提到了Numpy的ufunc功能和与Scipy等库的配合使用，是科学计算的理想选择。

摘要由CSDN通过智能技术生成

python 中 array 和 list 的区别

Python入门教程(五):Numpy计算之广播

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