numpy是以矩阵为基础的数学计算模块, 数据结构是n维的数组对象ndarray。
数组可以用python常规方式定义,但引入Numpy工具包后,使用array函数构建,更容易处理和操作。
'''python常规方式定义数组 '''
a_1=[1,2,3,4,5]
print(type(a_1)) #数据类型是列表list
a_1+1 #无法对数据计算
'''引入Numpy工具包,使用array函数创建'''
a_2=np.array([1,2,3,4,5])
print(type(a_2))
a_2+1
在Numpy中,如果对数组执行了一个四则运算,相当于对其中每一个元素做相同操作,如果操作对象和它的规模一样,则其结果是对应位置进行计算。
a_1+a_2
array([ 2, 4, 6, 8, 10])
在结构上,使用array函数构建数据,更易处理:
print(type(a_1))
a_1.shape #list结构不可显示shape属性
print(type(a_2))
a_2.shape #Numpy的数组数据可以显示shape属性
'''创建二维数组(数组中所有元素必须同一类型),
否则会自动向下转换,int->float->str'''
a_3=np.array([[1,2,3],[4,5,6]])
a_3
array([[1, 2, 3],
[4, 5, 6]])
数组属性操作:
#打印当前数据格式
print(type(a_2),'\n')
#打印当前数据类型
print(a_2.dtype,'\n')
#打印当前数组中元素个数
print(a_2.size)
print(a_3.size,'\n')
#打印当前数据维度
print(a_2.ndim)
print(a_3.ndim,'\n')
#打印当前数据结构
print(a_2.shape)
print(a_3.shape)
numpy常用操作: