NumPy基本数据结构

最新推荐文章于 2023-05-08 14:40:58 发布

夏铁锤砸羊排

最新推荐文章于 2023-05-08 14:40:58 发布

阅读量1.1k

点赞数

文章标签： python 人工智能

本文链接：https://blog.csdn.net/Tireless_Yan/article/details/128401442

版权

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

np.ones() 与 np.zeros()

np.arange()

np.linspace()

总结

一、NumPy是什么？

NumPy 是用于 Python 中科学计算的一个基础包。它提供了一个多维度的数组对象，以及针对数组对象的各种快速操作，例如排序、变换，选择等操作

二、使用步骤

1.安装部署

Conda 安装：

conda install numpy

pip 安装：

pip install numpy

2.NumPy数组

在 NumPy 中，数组是由 numpy.ndarray 类来实现的，它是 NumPy 的核心数据结构。

2.1创建数组

最简单的方法就是把一个列表传入到 np.array() 或 np.asarray() 中，这个列表可以是任意维度的。np.array() 属于深拷贝，np.asarray() 则是浅拷贝。

import  numpy as np
#创建一个一维数组
arr_1_d = np.asarray([1])
print(arr_1_d)  #[1]
#创建一个二维数组
arr_2_d = np.asarray([[1, 2], [3, 4]])
print(arr_2_d) #[[1 2] 
               # [3 4]]

2.2数组的属性

ndim

ndim表示数组维度(轴)的个数

import  numpy as np
#创建一个一维数组
arr_1_d = np.asarray([1])

#创建一个二维数组
arr_2_d = np.asarray([[1, 2], [3, 4]])

print(arr_1_d.ndim) #1
print(arr_2_d.ndim) #2

shape

shape 表示数组的维度或形状，是一个整数的元组，元组的长度等于 ndim。

import  numpy as np
#创建一个一维数组
arr_1_d = np.asarray([1])

#创建一个二维数组
arr_2_d = np.asarray([[1, 2], [3, 4]])

print(arr_1_d.shape) #(1,)
print(arr_2_d.shape) #(2, 2)

reshape() 函数

在不改变数组元素内容的情况下变换数组的形状。但是你需要注意的是，变换前与变换后数组的元素个数需要是一样的。

import  numpy as np
#创建一个一维数组
arr_1_d = np.asarray([1])
print(arr_1_d)  #[1]
#创建一个二维数组
arr_2_d = np.asarray([[1, 2], [3, 4]])
print(arr_2_d) #[[1 2]
                #[3 4]]
print(arr_2_d.reshape((1,4))) #[[1 2 3 4]]
print(arr_2_d.reshape((1,5))) #ValueError: cannot reshape array of size 4 into shape (1,5)

还可以使用 np.reshape(a, newshape, order) 对数组 a 进行 reshape，新的形状在 newshape 中指定。这里需要注意的是，reshape 函数有个 order 参数，它是指以什么样的顺序读写元素，其中有这样几个参数。

‘C’：默认参数，使用类似 C-like 语言（行优先）中的索引方式进行读写。

‘F’：使用类似 Fortran-like 语言（列优先）中的索引方式进行读写。

‘A’：原数组如果是按照‘C’的方式存储数组，则用‘C’的索引对数组进行 reshape，否则使用’F’的索引方式。

a = np.arange(6).reshape(2,3,order='C')
print(a) #[[0 1 2]
         # [3 4 5]]

b = np.arange(6).reshape(2,3,order='F')
print(b) #[[0 2 4]
          #[1 3 5]]

size

size也就是数组元素的总数，它就等于 shape 属性中元素的乘积

import  numpy as np
arr_2_d = np.asarray([[1, 2], [3, 4]])
print(arr_2_d.size) #4

dtype

dtype数组元素的类型，当创建时不指定类型NumPy 会自动进行判断，然后给一个默认的数据类型

import  numpy as np
#创建时不指定类型
arr_2_d = np.asarray([[1, 2], [3, 4]])
print(arr_2_d.dtype) #int32
#创建时指定类型
arr_3_d = np.asarray([[1, 2], [3, 4]],dtype=float)
print(arr_3_d.dtype) #float64

数组的数据类型当然也可以改变，我们可以使用 astype() 改变数组的数据类型，不过改变数据类型会创建一个新的数组，而不是改变原数组的数据类型。

import  numpy as np


arr_d = np.asarray([[1, 2], [3, 4]],dtype=float)
print(arr_d.dtype) #float64
arr_temp = arr_d.astype('int32')
print(arr_d.dtype)#float64
print(arr_temp.dtype)#int32

np.ones() 与 np.zeros()

np.ones() 用来创建一个全 1 的数组，np.zeros()用来创建一个全0 的数组，必须参数是指定数组的形状，可选参数是数组的数据类型。

import  numpy as np
np.ones()
#Traceback (most recent call last):
#  File "E:\PythonProject\tensorflowdaletouyuce-master\lotto-master\Test.py", line 4, in <module>
#    np.ones()
#TypeError: ones() missing 1 required positional argument: 'shape'
# 报错原因是没有给定形状的参数
print(np.ones(shape=(2,3)))  #[[1. 1. 1.]
                              #[1. 1. 1.]]
print(np.ones(shape=(2,3), dtype='int32')) #[[1 1 1]
                                            #[1 1 1]]

np.arange()

可以使用 np.arange([start, ]stop, [step, ]dtype=None) 创建一个在[start, stop) 区间的数组

start：可选参数，默认为 0。

stop：必须参数，区间的终点，请注意，刚才说的区间是一个左闭右开区间，所以数组并不包含 stop。

step：可选参数，默认是 1。

import  numpy as np


# 创建从0到4的数组
print(np.arange(5)) #[0 1 2 3 4]

# 从2开始到4的数组
print(np.arange(2,5))#[2 3 4]

# 从2开始，到8的数组，跨度是3
print(np.arange(2,9,3)) #[2 5 8]

np.linspace()

可以用 np.linspace（start, stop, num=50, endpoint=True, retstep=False, dtype=None）创建一个数组，具体就是创建一个从开始数值到结束数值的等差数列。

start：必须参数，序列的起始值。

stop：必须参数，序列的终点。

num：序列中元素的个数，默认是 50。

endpoint：默认为 True，如果为 True，则数组最后一个元素是 stop。

retstep：默认为 False，如果为 True，则返回数组与公差。

import  numpy as np


# 创建从1到5的有3个元素的等差数列且不包含Stop点
print(np.linspace(1,5,3,False)) #[1.         2.33333333 3.66666667]
# 创建从1到5的有3个元素的等差数列且包含Stop点
print(np.linspace(1,5,3,True)) #[1. 3. 5.]