目录
1 numpy介绍
numpy 是高效的python科学计算库
numpy 有基本的两个对象类型:
ndarray: 数组
ufunc : 方法
numpy 基本对是围绕上面两种对象展开的.
1.1 环境搭建
安装python(略)
pip 安装 numpy:
pip install numpy
conda 安装 numpy
conda install numpy
2 ndarray对象
2.1 ndarray 对象的创建
numpy.array(python 序列对象)
例如:
import numpy as np
a = np.array([1,2,3,4]) #把python 的list传给array函数创建
b = np.array((1,2,3,4)) #把python的元组传给array函数创建
多维数组也是同理:
c.np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])#创建3 行4列的二维数组
a:
[1 2 3 4]
b:
[1 2 3 4]
c:
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
数组的维数可以用数组对象的shape属性得到:
a.shape
(4,)
b.shape
(4,)
c.shape
(3, 4)
a,b 只有一个数说明是一维数组,c有两个数说明是二维数组.
shape属性也可以重新设置,前提是不改变元素的大小:
c.shape = 2,6
c:
[[ 1 2 3 4 5 6]
[ 7 8 9 10 11 12]]
当设置某个轴上的的元素的个数为 -1时,将自动计算该轴元素的个数:
c.shape = 2,-1 #等同于c.shape = 2,6
同样可以通过设置属性shape 把二维数组改变成三维数组:
c.shape = 2,2,3
c:
[[[ 1 2 3]
[ 4 5 6]]
[[ 7 8 9]
[10 11 12]]]
shape属性的设置也可以通过reshape()函数来产生新的形状的数组,而原数组不变:
d = a.reshape(2,2)
a:
[1 2 3 4]
d:
[[1 2]
[3 4]]
但这样的话a和d将共享数据存储空间,只要一个中的元素改变,另一个数组中的元素也会跟着改变.
2.2 元素类型
元素的类型可以通过属性dtype获取:
import numpy as np
a = np.array([1,2,3,4])
print("type =",a.dtype)
type = int64
</