1.numpy库认知
- Numpy:表达N维数组的最基础库
- 库由c语言实现,Python来接口使用,计算速度优异
- 是Python数据分析及科学计算的基础库,支撑Pandas等
- 提供直接的矩阵运算、广播函数、线性代数等功能
2.numpy库的安装
Windows+R——cmd——输入如下命令:
pip install numpy
前提:所使用的python版本中配置了pip工具,在python3.9中会自动配置
3.numpy库的功能
- ndarray:一个具有矢量(向量)算术运算和复杂广播能力的快速且节省空间的多维数组
- 用于对数组数据进行快速运算的标准数学函数(无需编写循环)
- 线性代数、随机数生成以及傅里叶变换功能
- 用于读写磁盘数据的工具
4.numpy-ndarray对象
a.ndarray概念、特点
-
是一系列同类型数据的集合,以 0 下标为开始进行集合中元素的索引。
-
ndarray 对象是用于存放同类型元素的多维数组。
-
ndarray 中的每个元素在内存中都有相同存储大小的区域。
-
ndarray数组中实现了成熟的广播机制,矩阵运算时不需要写for循环
-
ndarray 内部由以下内容组成:
(1)一个指向数据(内存或内存映射文件中的一块数据)的指针。 数据类型或 dtype,描述在数组中的固定大小值的格子。
(2)一个表示数组形状(shape)的元组,表示各维度大小的元组。
(3)一个跨度元组(stride),其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。
创建一个ndarray:
import numpy
numpy.array(object,dtype=None,copy=True,order=None,subok=False,ndmin=0)
参数描述:
b.ndarray的属性
(1).ndim秩
如图:维度称为轴,轴的个数为秩(rank)
(2).shape维度
一维数组:(M, )
二维数组:(M,N)
三维数组:(K,M,N)
(3).size个数
数据元组的总个数
一维数组:M
二维数组:MN
三维数组:MN*K
(4).dtype数据类型
用于描述与数组对应的内存区域是如何使用——
·其描述了数据的
- 类型(见c中表格)
- 大小(存储所用空间)
- 字节顺序1
- 在结构化类型的情况下,字段的名称、每个字段的数据类型和每个字段所取的内存块的部分
- 如果数据类型是子数组,那么其形状和数据类型为何
#dtype对象的语法构造:
numpy.dtype(object,align,copy)
- dtype内容
- object - 要转换为的数据类型对象
- align - 如果为 true,填充字段使其类似 C 的结构体。
- copy - 复制 dtype 对象 ,如果为 false,则是对内置数据类型对象的引用
(5)创建数组的方式
array方式创建
import numpy as np
array1=np.array([1,2,3])
array1
#------>array([1,2,3])
array2=np.array([(1,2,3),(4,