第二章 科学计算库NumPy

一.认识NumPy数组对象

（1）.特点：即ndarray(别名array）对象并进行计算。

（2）.属性

：

二.创建NumPy数组

（1）.使用array()函数，在调用该函数时传入一个列表或者元组。

# 创建一个一维数组 data1 = np.array([1, 2, 3])

# 创建一个二维数组 data2 = np.array([[1, 2, 3], [4, 5, 6]])

（2）.通过zeros()函数创建元素值都是0的数组；通过ones()函数创建元素值都为1的数组。

# 创建元素值全是0的数组 np.zeros((3, 4)) # 创建元素值全是1的数组 np.ones((3, 4))

（3）.通过empty()函数创建一个新的数组，该数组只分配了内存空间，它里面填充的元素都是随机的。

# 创建元素值全是随机数的数组 np.empty((5, 2))

（4）.通过arange()函数可以创建一个等差数组，它的功能类似于range()，只不过arange()函数返回的结果是数组，而不是列表

np.arange(1, 20, 5)

三 .ndarray对象的数据类型

1.查看数据类型

data_one = np.array([[1, 2, 3], [4, 5, 6]]) data_one.dtype.name    

（1).通过zeros()、ones()、empty()函数创建的数组，默认的数据类型为float64。

(2).默认情况下，64位windows系统输出的结果为int32， 64位Linux或macOS系统输出结果为int64，当然也可以通过dtype来指定数据类型的长度。

2.NumPy常用的类型举例：

3.特征：

4.转换数据类型

通过astype()方法进行转换。

data = np.array([[1, 2, 3], [4, 5, 6]]) data.dtype

# 数据类型转换为float64

float_data = data.astype(np.float64) float_data.dtype

三.数组运算

类型和方法：1.矢量化运算  形状相同的数组

即只用于位置相同的元素之间，所得的运算结果组成一个新的数组。

2.广播机制  形状不同的数组

当形状不相等的数组执行算术计算的时候，就会出现广播机制，该机制会对数组进行扩展，使数组的shape属性值一样，这样就可以进行矢量化运算了。

需要满足的条件：（1）两个数组的某一维度等长。

（2）其中一个数组为一维数组。 广播机制需要扩展维度小的数组，使得它与维度最大的数组的shape值相同，以便使用元素级函数或者运算符进行运算。

3.数组与标量运算  标量

标量运算会产生一个与数组具有相同行和列的新矩阵，其原始矩阵的每个元素都被相加、相减、相乘或者相除。

四.ndarry的索引和切片

1.基本使用

arr = np.arange(8) # 获取索引为5的元素

arr[5] # 获取索引为3~5的元素，但不包括5 arr[3:5]

2.二维数组索引方式：

每个索引位置上的元素不再是一个标量了，而是一个一维数组。

arr2d = np.array([[1, 2, 3],

                             [4, 5, 6],

                             [7, 8, 9]])

# 获取索引为1的元素

arr2d[1]

3.想获取二维数组的单个元素，则需要通过形如“arr[x，y]”的索引来实现，其中x表示行号，y表示列号。

# 获取位于第0行第1列的元素 arr2d[0, 1]

4.要操作的对象是一个二维数组，则获取的结果就是对应下标的一行数据。

# 创建一个二维数组

demo_arr = np.empty((4, 4))

for i in range(4):  

    demo_arr[i] = np.arange(i, i + 4) # 获取索引为[0,2]的元素

demo_arr[[0, 2]]

5.用两个花式索引操作数组，则会将第1个作为行索引，第2个作为列索引，以二维数组索引的方式选取其对应位置的元素。

# 获取索引为(1,1)和(3,2)的元素

demo_arr[[1, 3], [1, 2]]