NumPy学习（one day）

NumPy简介

NumPy（Numerical Python）是python的扩展库，支持大量的维度数组和矩阵运算，此外也包含对数组运算提供大量的数学函数库
NumPy是一个运行速度非常快的数据库，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

NumPy的安装

pip install numpy

ndarray对象的组成

ndarray 是numpy中的一个N维数组的对象，也是我们最常用的东西
ndarray包括：
一个指向数据的指针。
数据类型或dtype，描述固定大小的数据
shape：表示数组形状的元组
stride：表示跨度的元组（当前元素到下一个元素需要跨过的字节数）

创建一个ndarray数组

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

参数说明：

名称	描述
object	要组成ndarray的数据（列表或数组等
dtype	数据的类型
copy	是否需要复制
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

实例测试

instance one

import numpy as np
arr_1 = np.array([1, 2, 3, 4])
arr_2 = np.array([['1', '2'],['3', '4']])
print(arr_1)
print(arr_2)

结果如下：

[1 2 3 4]
[['1' '2']
 ['3' '4']]

instance two

import numpy as np
arr_1 = np.array([[1, 2], [3, 4]], dtype=str, ndmin=3)
print(arr_1)

结果如下：

[[['1' '2']
  ['3' '4']]]

其中Numpy的数据类型：
点击这里

NumPy数组属性

属性	描述
ndarray.ndim	维度的个数
ndarray.shape	数组的维度，n行m列
ndarray.dtype	ndarray对象的元素类型
ndarray.size	数组元素的个数
ndarray.itemsize	数组元素的大小
ndarray.flags	ndarray对象的内存信息

实例

import numpy as np
arr_1 = np.array([[1, 2], [3, 4]], dtype=str, ndmin=3)
print('数组的维度：', arr_1.size)
print('数组的形状：', arr_1.shape)
print('数组的元素大小：', arr_1.itemsize)
print('数组的内存信息：', arr_1.flags)

结果如下：

数组的维度： 4
数组的形状： (1, 2, 2)
数组的元素大小： 4
数组的内存信息：   C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False

参考文档