科学计算与可视化作业

Numpy库(用于处理含有同种元素的多维数组运算的第三方库)

概述：Python 标准库中提供了一个array 类型，用于保存数组类型数据，然而这个类型不支持多维数据，处理函数也不够丰富，不适合用于做数值运算。numpy 库处理的最基础数据类型是由同种元素构成的多维数组（ndarray），简称“数组”。
          数组中所有元素的类型必须相同，数组中元素可以用整数索引，序号从0开始。ndarray 类型的维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank)。一维数组的秩为1，二维数组的秩为2，二维数组相当于由两个一维数组构成。

由于numpy 库中函数较多且命名容易与常用命名混淆，建议采用如下方式引用numpy 库：
>>>import numpy as np（在程序的后续部分中，np 代替numpy）

一、创建数组

函数	描述
np.array([x,y,z],dtype=int)	从Python列表和元组创造数组
np.arange(x,y,i)	创建一个由x到y，以i为步长的数组
np.linspace(x,y,n)	创建一个由x到y，等分成n个元素的数组
np.indices((m,n))	创建一个m行n列的随机数组
np.random.rand(m,n)	创建一个m行n列的随机数组
np.ones((m,n),dtype)	创建一个m行n列全1的数组，dtype是数据类型
np.empty((m,n),dtype)	创建一个m行n列全0的数组，dtype是数据类型

 

 

 

 

 

实例
import numpy as np
# 默认为浮点数
x = np.zeros(5) 
print(x)
# 设置类型为整数
y = np.zeros((5,), dtype = np.int) 
print(y)
# 自定义类型
z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])  
print(z)
输出结果为：
[0. 0. 0. 0. 0.]
[0 0 0 0 0]
[[(0, 0) (0, 0)]
 [(0, 0) (0, 0)]]

 

二、数组属性

<

函数	描述
ndarray.ndim	秩，即轴的数量或维度的数量
ndarray.shape	数组的维度，对于矩阵，n 行 m 列
ndarray.size	数组元素的总个数，相当于 .shape 中 n*m 的值