第二天——Numpy的入门和实战

最新推荐文章于 2024-09-15 22:31:42 发布

薄荷和鱼

最新推荐文章于 2024-09-15 22:31:42 发布

阅读量311

点赞数

文章标签： python

本文链接：https://blog.csdn.net/qq_49225295/article/details/112764653

版权

第二天——Numpy的入门和实战

第二天——Numpy的入门和实战
一、NumPy 简介
- 应用
二、Ndarray 对象（np.array()创建数组）
三、常用的创建数组的函数
总结

一、NumPy 简介

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

一个强大的N维数组对象 ndarray
广播功能函数
整合 C/C++/Fortran 代码的工具
线性代数、傅里叶变换、随机数生成等功能

应用

NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用，这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。

SciPy 是一个开源的 Python 算法库和数学工具包。

SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口（API）。

二、Ndarray 对象（np.array()创建数组）

创建一个 ndarray 只需调用 NumPy 的 array 函数即可：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数

名称	描述
object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

实例

接下来可以通过以下实例帮助我们更好的理解。

示例 1

import numpy as np 
a = np.array([1,2,3])  
print (a)

输出结果如下：

[1, 2, 3]

示例 2

# 多于一个维度  
import numpy as np 
a = np.array([[1,  2],  [3,  4]])  
print (a)

输出结果如下：

[[1, 2] 
 [3, 4]]

示例 3

# 最小维度  
import numpy as np 
a = np.array([1,  2,  3,4,5], ndmin =  2)  
print (a)

输出如下：

[[1, 2, 3, 4, 5]]

示例 4

# dtype 参数  
import numpy as np 
a = np.array([1,  2,  3], dtype = complex)  
print (a)

输出结果如下：

[ 1.+0.j,  2.+0.j,  3.+0.j]

ndarray 对象由计算机内存的连续一维部分组成，并结合索引模式，将每个元素映射到内存块中的一个位置。内存块以行顺序(C样式)或列顺序(FORTRAN或MatLab风格，即前述的F样式)来保存元素。

三、常用的创建数组的函数

zeros函数

# zeros函数
np.zeros(8)
array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

np.zeros((3,4))
array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])

ones函数

np.ones(4)
array([ 1.,  1.,  1.,  1.])


np.ones((4,6))
array([[ 1.,  1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.,  1.,  1.]])

empty

empty函数可以创建一个无意义值的数组

np.empty((2,2,2))
array([[[ 0.,  0.],
        [ 0.,  0.]],

       [[ 0.,  0.],
        [ 0.,  0.]]])

arange

arange函数类似于python的内置函数range，但是arange主要用于创建数组

np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

ones_like

ones_like可以根据传入的数组形状和dtype创建全1数组

arr3
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])
       
arr5 = np.ones_like(arr3)
arr5
array([[1, 1, 1, 1],
       [1, 1, 1, 1]])
       
arr5.dtype
dtype('int32')