Numpy是高性能科学计算和数据分析的基础包。Numpy本身并没有提供多么高级的数据分析功能,理解 Numpuy 数组以及面向数组的计算将有助于你提高处理数据能力。本节内容介绍ndarray数组和矩阵。
第五节:numpy
Numpy是高性能科学计算和数据分析的基础包。Numpy本身并没有提供多么高级的数据分析功能,理解 Numpuy 数组以及面向数组的计算将有助于你提高处理数据能力。本节内容介绍ndarray数组和矩阵。
一、ndarray数组基础
使用 ndarray 数组,需要导入 Numpy 函数库。
导入方法1:直接导入该函数库:
In [1]:
from numpy import *
导入方法2:指定导入库的别名(在引入多个库的时候,推荐使用这个方法)。
In [2]:
import numpy as np
下面正式进入Numpy的数组世界。如果没有说明,所称数组均为 Numpy 数组对象,与 Python 的列表和 array模块无关。
1.1 创建数组
创建数组是进行数组计算的第一步,可以通过numpy库包内的array()函数定义数组实例对象,其参数为Python 的序列对象,如果想定义多维数组,则传递多层嵌套的序列。
例如下面这条语句定义了一个二维数组,其大小为(2,3),即有2行,3列。
In [3]:
a = np.array([[1,2,3.0],[2,3,4.0]])
print(a)
[[ 1. 2. 3.] [ 2. 3. 4.]]
以下三种操作,可以帮助我们查看数组的一些属性:
查看行数使用 ndim
In [4]:
a.ndim
Out[4]:
2
查看数组的维数使用shape,返回(n,m), 其中 n 为行数,m 为列数。
In [5]:
a.shape
Out[5]:
(2, 3)
查看元素的类型使用dtype,比如 numpy.int32、numpy.float64
In [7]:
a.dtype
Out