Numpy
- 维度:一组数据的组织形式
- 多维数据:由一维或二维数据在新维度上扩展形成。
- 高维数据:仅使用最基本的二元关系展示数据之间的复杂结构。
- 数组对象采用相同的数据类型,有助于节省运算和存储空间。
- 轴:保存数据的维度
- 秩:轴的数量
import numpy as np
a = np.array([1, 2, 3, 4])
print(a)# [1 2 3 4]
print(a.ndim)#秩 1
print(a.shape)#尺度 (4,)
print(a.size)#个数 4
print(a.dtype)#元素类型 int32
print(a.itemsize)#每个元素的大小 4
元素类型
为什么nadarry需要这么多数据类型?
- 科学计算涉及数据较多,对存储和性能都有较高要求
- 对数据类型精确定义,利于Numpy合理使用存储空间并优化性能
- 利于程序员对程序规模合理评估
nadarry数组可以由非同质对象构成
import numpy as np
a = np.array([[1, 2, 3, 4],[1,2,3]])
print(a)# [list([1, 2, 3, 4]) list([1, 2, 3])]
print(a.ndim)#秩 1
print(a.shape)#尺度 (2,)
print(a.size)#个数 2
print(a.dtype)#元素类型 object
print(a.itemsize)#每个元素的大小 8
创建方法
从列表/元组中创建
可以指定数据类型,若不指定则编译器会根据所读入的数据对类型进行指定。
import numpy as np
l = [[1, 2, 3, 4] ,[5, 6, 7, 8]]
a_list = np.array(l, dtype=np.float)
print(a_list)#[[1. 2. 3. 4.] [5. 6. 7. 8.]]
t = (1, 2, 3, 4)
a_t = np.array(t)
print(a_t)# [1 2 3 4]
print(np.array([[1, 2],[3, 4],(5, 6)]))
'''
[[1 2]
[3 4]
[5 6]]
'''
从NumPy中的函数创建
注意!ones,zeros,eye生成的是浮点数类型。
import numpy as np
print(np.arange(10))
print(np.ones((2, 5),dtype=np.int))
print(np.zeros((2, 3, 4)))
print(np.eye(5))
a = np.ones((2,3), dtype=np.int)
print(np.zeros_like(a))
print(np.ones_like(a))
print(np.full_like(a,2))
linspace & concatenate
import numpy as np
a = np.linspace(1, 10, 4)
print(a)#[ 1. 4. 7. 10.]
b = np.linspace(1, 10, 4, endpoint=False)
print(b) #10将不作为最后的元素 [1. 3.25 5.5 7.75]
print(np.concatenate((a, b))) #[ 1. 4. 7. 10. 1. 3.25 5.5 7.75]
维度变换
import numpy as np
a = np.ones((2, 3, 4))
print(a.reshape((6, 4)))
a.resize((6,4))
print(a)
print(a.flatten())
'''
[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]
[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
'''
类型变化
import numpy as np
a = np.zeros((2, 3))
print(a)
b = a.astype(np.float)
print(b)
'''
[[0. 0. 0.]
[0. 0. 0.]]
[[0 0 0]
[0 0 0]]
'''
#转换为列表
print(b.tolist()) #[[0, 0, 0], [0, 0, 0]]
元素获取
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(a[1: 4: 2])#[2 4]
a = np.arange(24).reshape((2, 3, 4))
print(a)
print(a[-1, -2, -3])
print(a[:, :, ::2])
"""
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
17
[[[ 0 2]
[ 4 6]
[ 8 10]]
[[12 14]
[16 18]
[20 22]]]
"""
数组运算
-
数组与标量之间的运算作用于数组的每一个元素
-
一元函数:对ndarray中的数据执行元素级别运算的函数
-
二元函数:对ndarray中的俩个数组进行运算