Python基础——Numpy库超详细介绍+实例分析+附代码_python中numpy库的主要功能,代码示例-CSDN博客

本文链接：https://blog.csdn.net/qq_42871249/article/details/104670728

1、NumPy简介

NumPy是高性能科学计算和数据分析的基础包，计算速度要比python自带的函数快很多，非常好用。一般不需要安装，装Python就自动装了，如果需要：

pip3 install numpy

然后导出

import numpy as np

2、常用方法

2.1最常用的

在这里插入图片描述

2.2更多

array.shape
& array的规格
array.ndim
数据的维数
array.dtype
&array的数据规格
numpy.zeros(dim1,dim2)
&创建dim1dim2的零矩阵
numpy.arange(start, stop, step, dtype = None)
返回一维的数组
numpy.eye(n) /numpy.identity(n)
&创建nn单位矩阵
numpy.array([…data…], dtype=float64 )
转换数据类型
array.astype(numpy.float64)
&更换矩阵的数据形式
array.astype(float)
&更换矩阵的数据形式
array * array
&矩阵点乘
array[a:b]
&一维数据切片
array.copy()
&得到ndarray的副本，而不是视图
array [a] [b]=array [ a, b ]
&两者等价
name=np.array([‘bob’,‘joe’,‘will’])
res=name==’bob’
res= array([ True, False, False], dtype=bool)
data[True,False,……]
索引，只索取为True的部分，去掉False部分
通过布尔型索引选取数组中的数据，将总是创建数据的副本。
data[ [4,3,0,6] ]
索引，将第4,3,0,6行摘取出来，组成新数组
numpy.reshape(a,b)
将ab的一维数组排列为ab的形式
array([a,b,c,d],[d,e,f,g])
返回一维数组，分别为[a,d],[b,e],[c,f],[d,g]
array.T
&array的转置
numpy.random.randn(a,b)
& 生成a*b的随机数组
numpy.dot(matrix_1,matrix_2)
&矩阵乘法
array.transpose( (1,0,2,etc.) )
& 对于高维数组，转置需要一个由轴编号组成的元组

3、ndarray创建以及数据类型

3.1 ndarray创建

array()
将列表转换为数组，可选择显式指定dtype

arange()
range的numpy版，支持浮点数
linspace()
类似arange()，第三个参数为数组长度
zeros()
根据指定形状和dtype创建全0数组
ones()
根据指定形状和dtype创建全1数组

**empty()**         
根据指定形状和dtype创建空数组（随机值）
**eye()**          
 根据指定边长和dtype创建单位矩阵

3.2 数据类型

ndarray数据类型：dtype：
布尔型：bool_
整型：int_ int8 int16 int32 int64
无符号整型：uint8 uint16 uint32 uint64
浮点型：float_ float16 float32 float64
复数型：complex_ complex64 complex128

4、Numpy索引和切片

4.1普通索引

1 数组和标量之间的运算：
可以直接进行加减乘除的运算（对每一个元素进行） a+1 a*3 1//a a0.5
2 同样大小数组之间的运算：
a+b a/b ab
3 数组的索引：
一维数组：a[5]
多维数组：a[2][3]或a[2,3]
4 数组的切片：
一维数组：a[3:6]，a[:5]
多维数组：a[3:6,1:7]，a[:,1:7]
注意：与列表不同，数组切片时并不会自动复制，在切片数组上的修改会影响原数组。
【解决方法：copy()】