NumPy 数值计算基础入门

• 数值类型及多维数组
• 数组操作及随机抽样
• 数学函数及代数运算
• 数组索引及其他用法

 

import numpy as np  

a = np.array([1.1, 2.2, 3.3], dtype=np.float64)  
# 指定 1 维数组的数值类型为 float64
a, a.dtype  

.astype() 方法在不同的数值类型之间相互转换。

a.astype(int).dtype  
# 将 a 的数值类型从 float64 转换为 int，并查看 dtype 类型

NumPy 数组生成

python内建对象中，数组的三种形式：python 标准类针对数组的处理局限于 1 维，并仅提供少量的功能。

• 列表：[1, 2, 3]
• 元组：(1, 2, 3, 4, 5)  元组与列表相似，不同之处在于元组的元素不能修改。
• 字典：{A:1, B:2}   字典由键和值构成

NumPy 最核心且最重要的一个特性就是 ndarray 多维数组对象，它区别于 Python 的标准类，拥有对高维数组的处理能力，这也是数值计算过程中缺一不可的重要特性。

NumPy 中，ndarray（多维数组对象） 类具有六个参数，分别为：

• shape：数组的形状。
• dtype：数据类型。
• buffer：对象暴露缓冲区接口。
• offset：数组数据的偏移量。
• strides：数据步长。
• order：{'C'，'F'}，以行或列为主排列顺序。

在 NumPy 中，主要通过以下 5 种途径创建数组，分别是：

• 从 Python 数组结构列表，元组等转换。
• 使用 np.arange、np.ones、np.zeros 等 NumPy 原生方法。
• 从已知数据文件、函数中创建ndarray
• 通过使用字符串或缓冲区从原始字节创建数组。
• 使用特殊函数，如 random。

numpy.array：把列表或元组转换为ndarray数组

np.array([[1, 2, 3], [4, 5, 6]]) #列表
np.array([(1, 2), (3, 4), (5, 6)]) #元组

arange() 的功能是在给定区间内创建一系列均匀间隔的值

numpy.arange(start, stop, step, dtype=None)
object：列表、元组等。
dtype：数据类型。如果未给出，则类型为被保存对象所需的最小类型。
copy：布尔类型，默认 True，表示复制对象。
order：顺序。
subok：布尔类型，表示子类是否被传递。
ndmin：生成的数组应具有的最小维数。

# 在区间 [3, 7) 中以 0.5 为步长新建数组
np.arange(3, 7, 0.5, dtype='float32')

array([3. , 3.5, 4. , 4.5, 5. , 5.5, 6. , 6.5], dtype=float32)

linspace 用于在指定的区间内返回间隔均匀的值。

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
start：序列的起始值。
stop：序列的结束值。
num：生成的样本数。默认值为50。
endpoint：布尔值，如果为真，则最后一个样本包含在序列内。
retstep：布尔值，如果为真，返回间距。
dtype：数组的类型。

np.linspace(0, 10, 10, endpoint=True)

array([ 0.        ,  1.11111111,  2.22222222,  3.33333333,  4.44444444,
        5.55555556,  6.66666667,  7.77777778,  8.88888889, 10.        ])

np.linspace(0, 10, 10, endpoint=False)

array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])

numpy.ones /zeros用于快速创建数值全部为 1 /0的多维数组

numpy.ones(shape, dtype=None, order='C')
shape：用于指定数组形状，例如（1， 2）或 3。
dtype：数据类型。
order：{'C'，'F'}，按行或列方式储存数组

np.ones((2, 3))

array([[1., 1., 1.],
       [1., 1., 1.]])

np.zeros((3, 2))

array([[0., 0.],
       [0., 0.],
       [0., 0.]])

numpy.eye 用于创建一个二维数组，其特点是k 对角线上的值为 1，其余值全部为0

numpy.eye(N, M=None, k=0, dtype=<type 'float'>)
N：输出数组的行数。
M：输出数组的列数。
k：对角线索引：0（默认）是指主对角线，正值是指上对角线，负值是指下对角线。


np.eye(5, 4, 3)

array([[0., 0., 0., 1.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

 从已知数据文件、函数中创建 ndarray

• frombuffer（buffer）：将缓冲区转换为 1 维数组。
• fromfile（file，dtype，count，sep）：从文本或二进制文件中构建多维数组。
• fromfunction（function，shape）：通过函数返回值来创建多维数组。
• fromiter（iterable，dtype，count）：从可迭代对象创建 1 维数组。
• fromstring（string，dtype，count，sep）：从字符串中创建 1 维数组。

fromfunction（function，shape）：通过函数返回值来创建多维数组。

np.fromfunction(lambda a, b: a + b, (5, 4))

array([[0., 1., 2., 3.],
       [1., 2., 3., 4.],
       [2., 3., 4., 5.],
       [3., 4., 5., 6.],
       [4., 5., 6., 7.]])