Numpy中的数组<矩阵>

1.安装导入了Numpy

(通用做法import numpy as np 简单输入)

>>> import numpy as np

>>> print np.version.version

1.6.2

 

2.Numpy组成

Numpy基础部分中,有两个主要内容,如下:

任意维数的数组对象(ndarray,n-dimensional array object)

通用函数对象(ufunc,universal function object)

 

3.Numpy中的数组<矩阵>

Numpy中,最重要的数据结构是:多维数组的类型(numpy.ndarray)

ndarray由两部分组成:

实际所持有的数据;

描述这些数据的元数据(metadata)

 

与Python原生支持的List类型不同,数组的所有元素必须同样的类型。

数组(即矩阵)的维度被称为axes,维数称为rank

ndarray 的重要属性包括:

² ndarray.ndim:数组的维数,也称为rank

² ndarray.shape:数组各维的大小,对一个n行m列的矩阵来说, shape为 (n,m)

² ndarray.size:元素的总数。

² ndarray.dtype:每个元素的类型,可以是numpy.int32,numpy.int16, and numpy.float64等

² ndarray.itemsize:每个元素占用的字节数。

² ndarray.data:指向数据内存。

如果你有一个 C++ 数组,想要在 Python 将其转化为 NumPy 矩阵,可以使用 `numpy.ctypeslib.as_array()` 函数。具体步骤如下: 1. 首先,需要将 C++ 数组导出为一个动态链接库(DLL 或 SO 文件),使得 Python 可以调用其的函数。 2. 在 Python ,使用 `numpy.ctypeslib.load_library()` 函数加载这个动态链接库,然后使用 `numpy.ctypeslib.as_array()` 函数将 C++ 数组转化为 NumPy 数组。 3. 最后,使用 `numpy.matrix()` 函数将 NumPy 数组转化为矩阵。 下面是一个简单的示例,假设有一个 C++ 数组 `a`,包含了一个 2x3 的矩阵: ```c++ // example.cpp #include <iostream> using namespace std; extern "C" { void get_array(double* arr, int m, int n) { double a[2][3] = {{1.0, 2.0, 3.0}, {4.0, 5.0, 6.0}}; for (int i = 0; i < m; i++) { for (int j = 0; j < n; j++) { arr[i * n + j] = a[i][j]; } } } } ``` 这是一个简单的函数,将一个 2x3 的矩阵导出为一个 C++ 数组。现在,可以使用 CMake 编译这个函数,生成一个名为 `example.so` 的动态链接库: ```cmake # CMakeLists.txt cmake_minimum_required(VERSION 3.0) project(example) set(CMAKE_CXX_STANDARD 11) set(CMAKE_POSITION_INDEPENDENT_CODE ON) add_library(example SHARED example.cpp) ``` 在 Python ,可以使用下面的代码加载这个动态链接库,并将其数组转化为矩阵: ```python import numpy as np from numpy.ctypeslib import load_library, as_array # 加载动态链接库 lib = load_library('example.so', '.') # 调用函数,获取数组 m, n = 2, 3 arr = np.zeros((m, n)) lib.get_array(arr.ctypes.data_as(np.ctypeslib.c_void_p), m, n) # 将数组转化为矩阵 mat = np.matrix(arr) print(mat) ``` 输出结果如下: ``` [[1. 2. 3.] [4. 5. 6.]] ``` 需要注意的是,这种方法需要掌握 C++ 和 Python 的基础知识,如果不熟悉其的一方,可能会遇到困难。此外,由于涉及到动态链接库的编译和加载,也会增加一定的复杂度。因此,如果在 Python 处理矩阵是你的主要目的,建议直接使用 NumPy 数组,避免使用 C++ 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
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