Numpy是一个开源的Python科学计算库,它是python科学计算库的基础库,许多其他著名的科学计算库如 Pandas,Scikit-learn等都要用到Numpy库的一些功能。今天我们详细学习一下Numpy的基本用法。
文章目录
1 Numpy数组对象
Numpy数组的优势:
• Numpy数组通常是由相同种类的元素组成的,即数组中的数据项的类型一致。这样有一个好处,由于知道数组元素的类型相同,所以能快速确定存储数据所需空间的大小。
• Numpy数组能够运用向量化运算来处理整个数组,速度较快;而Python的列表则通常需要借助循环语句遍历 列表,运行效率相对来说要差。
• Numpy使用了优化过的CAPI,运算速度较快
标量化运算和向量化运算对比:
结论:从上述图案所示,Numpy向量化循环的效率远高于标量化计算。
2 创建ndarray数组
Numpy中的多维数组称为ndarray,这是Numpy中最常见的数组对象。ndarray对象通常包含两个部分:
• ndarray数据本身
• 描述数据的元数据
创建ndarray数组有很多方法:
方法一:基于列表或元组
使用np作为numpy的简写:
#一维数组
#基于list
arr1_list=np.array([1,2,3,4])
print(arr1_list)
#基于tuple
arr_tuple=np.array((1,2,3,4))
print(arr_tuple)
#二维数组
arr2_list=np.array([[1,2,3,4],[5,6,7,8]])#使用list创建二维数组时格式为([[list1],[list2]])
arr2_list#直接输出,不使用print()
#打印结果
[1 2 3 4]#print 输出数组时,与列表输出稍有区别,没有逗号
[1 2 3 4]
out[4]:array([[1, 2, 3</