NumPy基础篇

最新推荐文章于 2023-02-16 12:00:09 发布
VIP文章 最新推荐文章于 2023-02-16 12:00:09 发布
阅读量385 收藏 1
点赞数 1
分类专栏： Python 文章标签： numpy 切片索引 花式索引 布尔型索引
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/iva_brother/article/details/88947094
版权

python的一个比较大的功能就是数据处理，我们耳熟能详三个工具包分别是NumPy、Pandas以及Matplotlib，其中NumPy用于提供高级的数值编程以及复杂的数据处理任务；Pandas用于数据读取以及数据预处理等工作；Matplotlib用于绘图，完成可视化的工作。

我们现在从NumPy开始，介绍这几个工具的基本用法。

NumPy的ndarray：一种多维数组对象

NumPy最重要的一个特点就是其N维数组对象(即ndarray)，该对象是一个快速而灵活的大数据集容器。在ndarray内部是由以下部分组成的：一个指向数组的指针；数据类型（dtype）；一个数组形状（shape）的元组；一个跨度元组，其中的整数指的是为了前进到当前维度下一个远足需要跨过的字节数。

什么是跨度元组呢？

比如创建一个（4，3）的二维数组，学习C语言的时候我们都有一个概念，就是在计算机中，我们的数组不管是多少维的，其在计算机中都是以一维的形式存储的。如果我们这个4*3的数组中存放的是64位的，那么从（4，1）到（

最低0.47元/天 解锁文章
走出去拍拍照
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Numpy基础学习
12-22
这是一篇介绍Numpy基础的文章，是我啃书的笔记，不对Numpy的实现原理和高级特性等细节 做过多研究，学会基础的Numpy就可以应对日常的大部分数值型数据的操作，后面的博客我会 继续记录Pandas的学习进程，它将会更加...
B01_NumPy Ndarray对象(ndarray内容结构，参数，多维，最小维度，dtype参数)
涂作权的博客
03-09 1266
NumPy Ndarray对象 NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。 ndarray 对象是用于存放同类型元素的多维数组。 ndarray 中的每个元素在内存中都有相同存储大小的区域。 ndarray 内部由以下内容组成： 一个指向数据（内存或内存映射文件中的一块数据）的指针。 数据类型或 dtyp...
Linux操作系统安装numpy
Meh__的博客
06-30 5371
Linux系统下安装numpy
【linux】 安装numpy 和 matplotlib
Wynne的博客
12-18 8886
linux如何安装安装numpy 和 matplotlib
2.numpy总结
CharlesDavid
12-23 620
Numpy 文章目录NumpyNumpy介绍ndarray介绍ndarray与Python原生list运算效率对比ndarray的优势内存块风格ndarray支持并行化运算（向量化运算）效率远高于纯Python代码N维数组-ndarrayndarray的属性ndarray的形状ndarray的类型基本操作生成数组生成0和1的数组从现有数组生成np.array和np.asarray的区别生成固定范围的数组生成随机数组均匀分布正态分布方差标准差正态分布创建方式数组的索引、切片形状修改类型修改数组的去重ndarr
【机器学习】小白入门系列1：Numpy简易入门
fengdu78的博客
02-16 205
本文提供最简易的 Numpy 的入门教程，适合初学者。（黄海广）1.Numpy 简易入门NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA 用其处理一些本来使用 C++，Fortran 或 Matlab ...
numpy快速入门--numpy基础教程
10-21
NumPy是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、...
python基础numpy参考
11-27
该资源为该系列第五篇，非官方手册，主要用于日常开发，详细信息请参考官方文档。
数据分析篇（一）： NumPy基础.ipynb
11-18
数据分析篇（一）： NumPy基础.ipynb
机器学习篇—Numpy数值计算基础（上）
12-22
Numpy库是支持 Python 语言的数值计算第三方库，其拥有强大的多维数组处理与矩阵运算能力；是机器学习的必不可少的工具。本文是在学习了Numpy数值计算课程之后，所做的些许笔记。 文章目录导入Numpy第三方库生成...
linux下安装numpy
bailangriver的专栏
03-31 1562
系统环境： OS：RedHat5 Python版本：Python2.7.3 gcc版本：4.1.2   各个安装包版本： scipy-0.11.0 numpy-1.6.2 nose-1.2.1 lapack-3.4.2 atlas-3.10.0   依赖关系：scipy的安装需要依赖于numpy、lapack、atlas（后两者都是线性代数工具包，不清楚的自行google之
《利用Python进行数据分析·第2版》 附录A NumPy高级应用
weixin_34195142的博客
01-26 333
第1章 准备工作第2章 Python语法基础，IPython和Jupyter第3章 Python的数据结构、函数和文件第4章 NumPy基础：数组和矢量计算第5章 pandas入门第6章 数据加载、存储与文件格式第7章 数据清洗和准备第8章 数据规整：聚合、合并和重塑第9章 绘图和可视化第10章 数据聚合与...
Numpy （一）
Joselynzhao
04-10 312
Numpy （一） NumPy 官网 http://www.numpy.org/ NumPy 源代码：https://github.com/numpy/numpy SciPy 官网：https://www.scipy.org/ SciPy 源代码：https://github.com/scipy/scipy Matplotlib 官网：https://matplotlib.org/ Matplot...
python数据分析笔记（一）NumPy Ndarray 对象
weixin_43312855的博客
01-05 356
NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。 ndarray 对象是用于存放同类型元素的多维数组。 ndarray 中的每个元素在内存中都有相同存储大小的区域。 ndarray 内部由以下内容组成： 一个指向数据（内存或内存映射文件中的一块数据）的指针。 数据类型或 dtype，描述在数组中的固定大小值的格子...
数据分析学习（一）数据分析和Numpy基础
pcx171的博客
05-23 318
本文主要介绍数据分析基础和Numpy库基础，第一部分介绍了数据分析的基础概念和数据的基础概念。第二部分介绍了ndarray的基础使用方法、属性和类方法
数据分析之NumPy（一）介绍
提莫君的博客
03-08 318
Numpy介绍 Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。 Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。 Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。 一个用python实现的科学计算包括： 1、一个强大的N维数组对象Arr...
利用python进行数据分析-NumPy高级应用
zhuhengv的博客
09-03 2666
1.ndarray对象的内部机理 NumPy的ndarray提供了一种将同质化数据块解释为多维数组对象的方式，ndarray如此强大的部分原因是所有数组对象都是数据块的一个跨度视图。ndarray内部由以下内容组成： a.一个指向数组（一个系统内存块）的指针 b.数据类型或dtype c.一个表示数组形状的元组；例如，一个10*5的数组，其形状为（10，5） d.一个跨度元组，其中的整数
数据分析之NumPy（二）ndarray
提莫君的博客
03-08 861
ndarray介绍 NumPy provides an N-dimensional array type, the ndarray, which describes a collection of “items” of the same type. NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“items”的集合。 NumPy 最重要的一个特点是其 N 维数组对象 ndarr...
Python numpy基础知识
Claroja
04-18 4628
1.基础知识 NumPy的主要对象是多维数组。它是由相同元素（通常是数字）组成的，通过正整数元组（tuple）作为索引的表格。 在数组中，纬度（dimensional）被称为轴（axis），轴的数量被称为级（rank），如下面这个数组，它有两个轴（axis），第一个纬度（dimension，或者称为轴axis）长度为2（既纵向），第二个纬度长度为三（既横向）。[[ 1., 0., 0.], [
写一篇关于数据分析与可视化的上机实验报告 实验题目： Numpy数值计算 实验目的和要求： 1、掌握Numpy基本数据结构 2、掌握Numpy数组的创建和基础运算 3、掌握Numpy数组的统计分析方法
最新发布
03-26
实验报告： 一、实验目的和要求 本次实验的主题为“Numpy数值计算”，旨在让我们掌握Numpy基本数据结构、Numpy数组的创建和基础运算，以及Numpy数组的统计分析方法。具体要求如下： 1、了解Numpy的基本数据结构，包括数组、矩阵等。 2、学会使用Numpy创建数组，并掌握数组的索引、切片、重塑等操作。 3、学会使用Numpy进行数组的基本运算，如加、减、乘、除等。 4、学会使用Numpy进行数组的统计分析，包括最大值、最小值、平均值、方差等。 二、实验过程 1、创建数组 我们首先需要了解Numpy的基本数据结构——数组。数组可以看作是一种有序的元素集合，每个元素都有一个数字索引。Numpy提供了多种创建数组的方式，如下所示： import numpy as np # 从列表创建一维数组 a = np.array([1, 2, 3, 4, 5]) print(a) # 从列表创建二维数组 b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(b) # 创建全零数组 c = np.zeros((3, 3)) print(c) # 创建全一数组 d = np.ones((4, 4)) print(d) # 创建随机数数组 e = np.random.rand(3, 3) print(e) 2、数组的索引、切片和重塑 与Python中的列表类似，Numpy数组也支持索引、切片和重塑等操作。如下所示： # 数组索引 print(a[2]) print(b[1][2]) # 数组切片 print(a[1:4]) print(b[1:, 1:]) # 数组重塑 f = np.arange(12).reshape(3, 4) print(f) 3、数组的基本运算 Numpy支持数组的基本运算，如加、减、乘、除等。如下所示： # 数组加法 g = np.array([[1, 2], [3, 4]]) h = np.array([[5, 6], [7, 8]]) print(g + h) # 数组减法 print(g - h) # 数组乘法 print(g * h) # 数组除法 print(g / h) 4、数组的统计分析 Numpy提供了多种数组的统计分析方法，如最大值、最小值、平均值、方差等。如下所示： # 数组最大值 print(np.max(g)) # 数组最小值 print(np.min(g)) # 数组平均值 print(np.mean(g)) # 数组方差 print(np.var(g)) 三、实验结果 经过以上实验，我们成功地掌握了Numpy的基本数据结构、数组的创建和基础运算，以及数组的统计分析方法。我们可以使用Numpy进行更为高效和准确的数值计算，并且可以快速地进行数据可视化和分析。 四、实验总结 本次实验让我们深入了解了Numpy的数值计算和数据分析功能，掌握了创建数组、数组的索引、切片和重塑、数组的基本运算和统计分析等技能。在日后的学习和应用中，我们将更加熟练地使用Numpy进行数据处理和分析，并且可以更好地应对各种数据分析任务。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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