Python

Numpy入门

---

维度

一维数据

一组数据的有序序列

列表（有序）集合表示(无序{}）

二维数据

多维数据

高维数据（利用基本的二元关系）

列表类型[[],[]]

高维数据

字典类型或数据表示格式（Json/XML/YAMO

Numpy库

• ndarray数组对象
• 广播功能函数
• 整合C/C++/Fortran代码的工具
• 线性代数，傅里叶变换，随机数生成等功能

ndarray数组对象

• 好处
  可以向量化计算，而不使用循环，提高效率
• ndarray多维数组对象
  实际的数组+描述这些数据的元数据（维度….
• 引入

impore numpy as np
np.array()//生成一个数组
//输出成[]形式，元素由空格分隔
//轴（axis)：保存数据的维度 秩（rank）：轴的数量数组类型有多少个维度

• 属性
  
  • .ndim
  • .shape
  • .size
  • .dtype
  • .itemsize

广播功能函数
整合C/C++/Fortran代码的工具
线性代数，傅里叶变换，随机数生成等功能

（二）ndarray数组的创建方法

1.用数组元组建立

x=np.array(list/tuple,dtype=np.float32)
//example
[IN]x=np.array([0,1,2,3])
[OUT][0,1,2,3]
[IN]x=np.array((0,1,2,3))
[OUT](0,1,2,3)
//混合类型创建
[IN]x=np.array([[0,1],(2,3)])
[OUT][0,1,2,3]

2.使用numpy函数

np.arrange(生成递增——int32
np.ones(shape)全1数组——默认浮点
np.zeros(shape)
np.full(shape,val)
np.eye(n)(生成n*n单位矩阵，对角线为1

np.ones_like(a)根据a的形状生成全1

3。使用其他函数创建ndarray
np.linspace()根据起止数据等间距地填充数据，形成数组
np.concatenate()

4.ndarray数组的维度变换
.reshape(shape)//不改变原数组
.resize(shape)//改变
.swapaxes(ax1,ax2)
new_a=a.astype(新类型）
.tolist向列表转变

数组操作

1.数组的索引与切片
索引：元素位置
切片：子集

• 一维数组
  a[1:4:7](索引为1-3的子集中步长为2的数
  如[7,8,9,0,2,3]选取的是[8,0]

• 多维数组
  a=np.arange(24).reshape((2,3,4))
  (索引）a[1,2,3]每个维度选取部分

array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],

   [[12, 13, 14, 15],
    [16, 17, 18, 19],
    [20, 21, 22, 23]]])

[OUT] a[1,2,3]
23

• 切片
  a[:,1,-3]在第一个维度全覆盖，第二个维度选择1，第三个选择-3这些元素组成的子集
  a[:,1:3,:]每一个维度的切片方法与一维数组相同
  a[:,:,::2]可以使用步长跳跃切片