python科学计算笔记 - numpy基础

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
</