Numpy

Numpy优点

• 拥有强大的N维数组对象
• 复杂的广播功能
• 集成的C/C++和Fortran代码工具
• 有线性代数、傅里叶变换和随机数功能
• 通用数据的高效容器，可以定义多种数据类型，可以无缝、快速地与各种数据库集成。
• numpy之所以快是因为：
  1. 矢量化代码更简洁。更易于阅读
  2. 更少的代码行通常意味着更少的错误
  3. 代码更接近于标准的符号
  4. 矢量化导致产生更多的“PythonIC”

ndarray

• ndarray是numpy最重要的一个人特点，它是一系类同数据类型的集合。

  • ndarray对象是用于存放同类型元素的多维数组，且每个元素都有相同的存储大小区域
  • ndarray对象的内容可以通过索引或切片来访问或者修改，切片对象可以通过内置的slice函数，并设置start/stop等参数，从原数组中切割出一个新数组。
  • 使用array、arange等都是将输入数据转换为ndarray，返回的都是ndarray对象，而不是列表。

• ndarray属性
  

数组创建

使用array创建数组

 - # `使用numpy中的array函数，可以将Python中元组或列表中的数据转化为数组，也可以将多个序列转化成多维数组
 - import numpy as np
 - arr = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
 - arr 
 - array([[ 1,  2,  3,  4],
   [ 5,  6,  7,  8],
   [ 9, 10, 11, 12]])
   arr.shape   # 此函数查看数组结构是几行几列
   arr.dtype    #  查看数组数据类型
   arr.size      # 查看数组元素个数
   arr.itemsize  # 查看元素字节的大小
   arr.shape = 4,3 # 将数组的列和行进行互换，并不是进行矩阵转置

使用arange创建数组

# arange 函数 的参数的顺序表示：指定开始值，终止值，步长
arr1 = np.arange(0,1,0.1)
arr1
#  array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])

使用linspace创建数组

# 参数顺序表示，指定开始值，终止值，元素个数
arr2 = np.linspace(0,2, 12)
arr2
使用logspace函数创建等比列数组，参数同上
arr3 = np.logspace(0,2,5)
arr3

特殊函数创建数组

注意

zer = np.zeros((2,3))  # 全0数组
zer
array([[0., 0., 0.],
       [0., 0., 0.]])
       -----------------------
 one = np.ones((5,3))  # 全1数组
one
array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])
       -.----------------
eye = np.eye(3)   # 创建一个正方的NXN矩阵（对角线为1，其余为0）
eye
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])