【学习笔记】Python之NumPy库

Numpy

Numpy是一个开源的Python科学计算基础库。

  • 一个强大的N维数组对象ndarray
  • 广播功能函数
  • 整合C/C++/Fortan代码的工具
  • 线性代数、傅里叶变换、随机数生成等功能

Numpy是SciPy、Pandas等数据处理或科学计算库的基础。

一般引用格式为:import numpy as np

N维数组对象:ndarray

为什么要设置数组对象?
  • 数组对象可以去掉元素间运算需要的循环,使一维向量更像单个数据。
  • 设置专门的数组对象,经过优化,可以提升这类应用的运算速度。
  • Numpy的底层实现是由C语言来完成的,运算性能高效。
  • 科学计算中,一个维度所有数据的类型往往相同,数组对象采用相同的数据类型,有助于节省运算和存储空间。
ndarray简介

ndarray是一个多维数组对象,由两部分构成:

  • 实际的数据
  • 描述这些数据的元数据(数据维度、数据类型等)

ndarray数组一般要求所有元素类型相同(同质),数组下标从0开始。

ndarray实例

np.array()生成一个ndarray数组(ndarray在程序中的别名是:array)

np.array()输出成[]形式,元素由空格分割。

两个基本概念:轴(axis):保存数据的维度 秩(rank):轴的数量

在这里插入图片描述

ndarray对象的属性
属性说明
.ndim秩,即轴的数量或维度的数量
.shapendarray对象的尺度,对于矩阵,n行m列
.sizendarray对象元素的个数,相当于.shape中n*m的值
.dtypendarray对象的元素类型
.itemsizendarray对象中每个元素的大小,以字节为单位

在这里插入图片描述

ndarray的元素类型
数据类型说明
bool布尔类型,True或False
intc与C语言中的int类型一致,一般与int32或int64,具体与程序运行的系统环境有关
intp用于索引的整数,与C语言中ssize_t一致,int32或int64
int8字节长度的整数,取值:[-128,127]
int1616位长度的整数,取值:[-32768,32767]
int3232位长度的整数,取值:[-231,231-1]
int6464位长度的整数,取值:[-263,263-1]
uint88位无符号整数,取值:[0,255]
uint1616位无符号整数,取值:[0,65535]
uint3232位无符号整数,取值:[0,232-1]
unit6464位无符号整数,取值:[0,264-1]
float1616位半精度浮点数:1位符号位,5位指数,10位尾数
float3232位半精度浮点数:1位符号位,8位指数,23位尾数
float6464位半精度浮点数:1位符号位,11位指数,52位尾数
complex64复数类型,实部和虚部都是32位浮点数
complex128复数类型,实部和虚部都是64位浮点数
ndarray为什么这么多种元素类型?

对比:Python语法仅支持整数、浮点数和复数3种类型

  • 科学计算涉及数据较多,对存储和性能都有较高要求。
  • 对元素类型精细定义,有助于NumPy合理使用存储空间并优化性能
  • 对元素类型精细定义,有助于程序员对程序规模有合理评估

ndarray数组可以由非同质对象构成,下图为非同质ndarray元素为对象类型。

非同质ndarrray对象无法有效发挥NumPy优势,尽量避免使用。

在这里插入图片描述

ndarray数组的创建方法

  • 从Python中的列表、元组等类型创建ndarray数组。
  • 使用NumPy中函数创建ndarray数组,如:arange,ones,zeros等。
  • 从字节流(raw bytes)中创建ndarray数组。
  • 从文件中读取特定格式,创建ndarray数组。

(1)从Python中的列表、元组等类型创建ndarray数组

x = np.array(list/tuple)

x = np.array(list/tuple, dtype=np.float32)

当np.array()不指定dtype时,NumPy将根据数据情况关联一个dtype类型。

(2)使用NumPy中函数创建ndarray数组,如:arange,ones,zeros等

函数说明
np.arange(n)类似range()函数,返回ndarray类型,元素从0到n-1
np.ones(shape)根据shape生成一个全1数组,shape是元组类型
np.zeros(shape)根据shape生成一个全0数组,shape是元组类型
np.full(shape,val)根据shape生成一个数组,每个元素值都是val
np.eye(n)创建一个正方的n*n单位矩阵,对角线为1,其余为0
np.ones_like(a)根据数组a的形状生成一个全1数组
np.zeros_like(a)根据数组a的形状生成一个全0数组
np.full_like(a,val)根据数组a的形状生成一个数组,每个元素值都是val

![在这里插入图片描述](

函数说明
np.linspace()根据起止数据等间距地填充数据,形成数组
np.concatenate()将两个或多个数组合并成一个新的数组

在这里插入图片描述

详细说明:np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

start — 区间起始值。强制参数。

stop — 区间终止值(是否取得到,需要设定参数endpoint)。强制参数。

num — 等分的个数。默认值为50。可选参数。

endpoint — 若为True(默认),则可以取到区间终止值;否则取不到。可选参数。

retstep — 若为True,则返回由生成的数组和步长构成的元组;若为False(默认),则只返回生成的数组。可选参数。

dtype — 数据类型。若不指定数据类型,则通过其他参数判断。可选参数。

ndarray数组的维度变换
方法说明
.reshape(shape)不改变数组元素,返回一个shape形状的数组,原数组不变
.resize(shape)与.shape()功能一致,但修改原数组
.swapaxes(ax1,ax2)将数组n个维度中两个维度进行调换
.flatten()对数组进行降维,返回折叠后的一维数组,原数组不变
.astype(new_type)返回一个将元素类型改变为new_type后的数组,原数组不变

在这里插入图片描述

ndarray数组向列表的转换

ls = a.tolist()。如下,a是一个(2,3,4)维度的数组,a.tolist()变成对应的列表,不同仅在于列表是Python中最原始的类型,很可能运行速度更慢。

在这里插入图片描述

数组的索引和切片

  • 索引:获取数组中特定位置元素的过程
  • 切片:获取数组元素子集的过程

一维数组的索引和切片示例:
在这里插入图片描述

多维数组的索引和切片示例:(注意是用逗号分隔)
在这里插入图片描述

在这里插入图片描述

数组与标量之间的运算

数组与标量之间的运算作用于数组的每一个元素

在这里插入图片描述

Numpy一元函数:对ndarray中的数据执行元素级运算的函数

函数说明
np.abs(x) np.fabs(x)计算数组各元素的绝对值
np.sqrt(x)计算数组个元素的平方根
np.square(x)计算数组各元素的平方
np.log(x) np.log10(x) np.log2(x)计算数组各元素的自然对数、10底对数和2底对数
np.ceil(x) np.floor(x)计算数组各元素的ceiling值或floor值

Numpy二元函数

函数说明
+ - * / **两个数组各元素进行对应运算
np.maximum(x,y) np.fmax()
np.minimum(x,y) np.fmin()
元素级的最大值/最小值计算
np.mod(x,y)元素级的模运算
np.copysign(x,y)将数组y中各元素值的符号赋值给元素x对应元素
> < >= <= == !=算术比较,产生布尔类型数组
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

JILIN.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值