NumPy

NumPy简介

Numerical Python 的简称

基于数组，可用来存储和处理大型矩阵

高性能计算和数据分析的基础包

需导入库 import numpy as np

数组对象

N维数组对象，即ndarray对象，该对象具有矢量算数能力和复杂的广播能力，可执行科学计算。拥有对高维数组的处理能力，这是数值计算中不可缺少的一部分

ndarray对象中的重要属性

1. ndarray.ndim 维度个数 比如一维、二维、、、、
2. ndarray.shape 数组的维度。这是一个整数的元组，n行m列shape 属性为（n,m）
3. ndarray.dtype 描述数组中元素类型的对象，numpy.in32,numpy.float64
4. ndarray.itemsize 数组中每个元素的字节大小

创建ndarray对象

#创建一个一维数组

data1 = np.array([1, 2, 3])

#创建一个二维数组

data2 = np.array([1, 2, 3], [4, 5, 6])

通过Zeros（）函数创建元素值都是0的数组；通过ones（）函数创建元素都是1的数组

#创建元素全是0的数组

np.zeros((3, 4))

# 创建元素值全是1的数组

np.ones((3, 4))

通过empty（）函数创建一个新的数组，该数组只分配了内存空间，它里面填充的元素都是随机的

# 创建元素值全是随机数的数组

np.empty((5, 2))

通过arange()函数可以创建一个等差数组，它的功能类似与range() 返回的结果是列表

np.arange(1, 20, 5)

随机数

rand()函数隶属于numpy.random模块 作用是随机生成N维浮点数组

# 随机生成一个二维数组

np.random.rand(3, 3)

random模块还包括可以生成服从多种概率分布随机数的其他函数

函数	描述
seed	生成随机数的种子
rand	产生均匀分布的样本值
randint	从给定的上下限范围内随机取整数
normal	产生正态分布的样本值
beta	产生Beta分布的样本值
uiform	产生在[0, 1]中的均匀分布的样本值

 seed（）函数可以保证生成的随机数具有可预测性，也就是说产生的随机数相同。

numpy.random.seed(seed=None)

当调用seed（）函数时，如果传递给seed参数的值相同，则每次生成的随机数都是一样的。

# 生成随机数的种子
np.random.seed(0)
#随机生成包含5个元素的浮点数组
np.random.ran(5)

当传递的参数值不同或者不传递参数时，则系统会自己选择值，即多次生成随机数都不同

#生成随机数的种子

np.random.seed(1)

#随机生成包含5个元素的浮点数组

np.random.rand(5)

#生成随机数的种子

np.random.rand(2)
 
#随机生成包含5个元素的浮点数组

np.random.rand(5)

ndarray对象的数据类型

每一个NumPy内置的数据类型都有一个特征码，他能唯一标识一种数据类型

特征码	含义
b	布尔型
u	无符号整型
c	复数类型
S a	字节字符串
V	原始数据
i	有符号整型
f	浮点型
O	Python对象
U	unicode字符串

ndarry.dtype可以创建一个表示数据类型的对象，如果希望获取数据类型的名称，则需要访问na,e属性

data1 = np.array([1, 2, 3], [4, 5, 6])

data1.dtype

data1.dtype.nmae

通过zeros() ones() empty()函数创建的数组 默认的数据类型 为float64

数据类型转换

ndarray 对象的数据类型可以通过astype()方法进行转换

data1 = np.array([[1, 2, 3], [4, 5, 6]])

data1.dtype

#数据类型转换为float64

float_data = data1.astype(np.floa64)

float_data.dtype

矢量化运算

 数组广播

 数组与标量运算

NumPy通用函数

 

 

 

 

 二元通用函数

 

 数组统计

 

 

 数组排序

 

 numpy.linalg模块

线性代数模块

 矩阵乘法