python科学计算库Numpy

提示：文章写完后，目录可以自动生成，如何生成可参考

目录

一、认识Numpy数组对象

二、创建Numpy对像

三  ndarray对象数据类型

总结

---

用步骤

• 总结

---

前言

Numpy作为高性能科学计算和数据分析的基础包，是其他重要数据分析工具的基础，掌握numpy的功能和用法，将有助于后续其他数据分析工具的学习。

一、认识Numpy数组对象

Numpy中最重要的一个特点就是其N维数组对象，即ndarray（别名array）对象，该对象具有失量算术能力和复杂的广播能力，可以执行一些科学计算。不同于python标准库，ndarray对象具有对高维数组的处理能力，这也是数值计算中的缺一不可的重要特征。

ndarray对象中定义了一些重要的属性例如：

ndarray.ndim	维度个数，也就是数组轴的个数比如一维，二维等
ndarray.shape	数组的维度，表示每个维度上数组的大小
ndarray.size	数组元素的总个数，等于shape属性中元组元素的乘积
ndarray.dtype	描述数组中元素类型的对象
ndarray,itemsize	数组中每个元素的字节大小

注意：ndarray对象中存储元素的类型必须相同。

1.演示ndarray对象的使用

代码如下（示例）：

import numpy as np
# 创建一个3行4列的数组
data=np.arange(12).reshape(3,4)
print(data)
# 查看数组的类型
print(type(data))
# 获取数组的维度个数
print(data.ndim)
# 获取数组的维度，输出结果为(3,4)，表示3行4列
print(data.shape)
# 数组元素的个数
print(data.size)
# 数组元素的类型
print(data.dtype)

运行结果如下：

       上述示例中 第一行代码使用import.....from 语句导入numpy库，并将其取别名为np，表示后续会用np代替numpy执行操作。

        第2行代码使用arange()和reshape()函数，创建了一个3行4列的数组data，其中arange()函数的功能类似于range()函数，只不过arange()函数生成的是一系列数字元素的数组，reshape()函数的功能是重组数组的行数，列数和维度。

     第4行代码使用type()函数查看了数组的类型，输出结果为numpy.ndarray.

     第5行代码获取了数组的维度个数，返回结果为2，表示二维数组。

     第6行代码获取数组的维度，返回结果为(3,4)，表示数组有3行4列。

     第7行代码获取了数组中元素的总个数，返回结果为12，表示数组中一共有12个元素。

     第8行代码获取了元素的具体的类型，返回结果为int32，表示数据类型为int32.

二.创建Numpy数组

      创建ndarray对象的方式有若干种，其中最简单的方式就是使用array()函数，在调用该函数时传入一个python现有的类型即可，比如列表，元组。例如，通过array（）函数分别创建一个一维数组和二维数组，具体代码如下。

代码如下（示例）：

import numpy as np
# 创建一维数组
data1 = np.array([1,2,3])
print(data1,'\n')
# 创建二维数组
data2=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(data2,'\n')

        除了使用array()函数创建ndarray对象外，还有其他创建数组的方式，具体分为一下几种

（1） 使用zeros()函数创建元素值都为0的数组，示例代码如下：

# 创建一个3行4列元素值都为0的数组
np.zeros((3,4))

（2）通过调用ones()函数创建元素值都为1的数组，示例代码如下：

#  创建一个3行4列元素值都为1的数组
np.ones((3,4))

（3）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，且数据类型默认为float64，示例代码如下：

np.empty((3,4))

 (4)通过arange()函数可以创建一个等差数组，它的功能类似于range(),只不过arange()函数的返回结果是数组，而不是列表 。

创建一个1到20的数组，步长为5
np.arange(1,20,5)

 三.ndarray数据类型

   1.查看数据类型

       如上文所述，通过nddary.dtype可以创建一个表示数据类型的对象，要想获取数据类型的名称，则需要访问name属性来进行获取，示例代码如下：

data_one=np.array([[1,2,3],[4,5,6]])
print(data_one.dtype.name)
# 运行结果为int32

在默认情况下，64为的windows系统输出的结果为int32，64为Linux系统下输出结果为int64.并且在默认情况下，通过zeros(),ones(),empty()函数创建的数组种数据类型为int64.

Numpy中常用的数据类型

数据类型	含义
bool	布尔类型，值为True或False
int8，uint8	有符号和无符号的8位整数
int16，uint16	有符号和无符号的16位整数
int32，uint32	有符号和无符号的32位整数
int64，uint64	有符号和无符号的64位整数
float16	半精度浮点数（16位）
float32	半精度浮点数（32位）
float64	半精度浮点数（64位）
complex64	复数，分别用两个32位浮点数表示实部和虚部
complex128	复数，分别用两个32位浮点数表示实部和虚部
object	python对象
string	固定长度的字符串类型
unicode	固定长度的unicode类型

 

2.转换数据类型 

ndarray对象的数据类型可以通过astype()方法进行转换，示例代码如下：

# 使用astype()函数进行数据类型的转换
data_two=np.array([[1,2,3],[4,5,6]])
print(data_two.dtype)
float_data = data_two.astype(np.float64)
print(float_data.dtype)

# 输出结果为float64

---

总结

以上就是今天要讲的内容，本文仅仅简单介绍了numpy的使用，而numpy提供了大量能使我们快速便捷地处理数据的函数和方法。这里只是一部分，以后会继续更新。