numpy 基础使用

NumPy是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等。

首先引入numpy库

import numpy as np

ndarray

NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。 它描述相同类型的元素集合。 可以使用基于零的索引访问集合中的项目。

ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象（称为 dtype）。

从ndarray对象提取的任何元素（通过切片）由一个数组标量类型的 Python 对象表示。 下图显示了ndarray，数据类型对象（dtype）和数组标量类型之间的关系。

ndarray常用属性：

属性	含义
ndim	维度（轴）的个数
shape	维度，轴，形状大小
size	元素的总个数
dtype	元素的数据类型
itemsize	元素的字节大小

num = np.random.randn(2,3)
print(num)
print("数据类型：", type(num))
print("维度个数：", num.ndim) # 行数
print("维度大小（n,m）：", num.shape)
print("元素总个数：", num.size)
print("元素的数据类型：", num.dtype)
print("元素的字节大小：", num.itemsize)

array函数

array具有以下功能：

• 将任意的序列对象转换为数组
• 支持将特定的嵌套序列转换为高维数组
• 自动推断生成的数据类型

# 将列表转为数组类型
num1 = np.array([1,2,34])
num2 = np.array([ 
    [1,2, 34],
    [34, 2, 1]
    ])
# 设置元素类型
num3 = np.array([
    [1,2,34],
    [34,2,1]
], dtype='float32')

print(num1)
print(num2)
print(num3)

zeros函数

用法与array函数相似。创建全0数组，默认元素类型是浮点数类型；使用元组指定创建数组的形状。

# 创建 3行4列的全0矩阵
num = np.zeros((3,4))
print(num)

ones函数

与zeros函数一样，只不过是创建全0数组，默认元素类型是浮点数。

# 创建 3行4列的全1矩阵
num = np.ones((3,4))
print(num)

empty函数

创建一个未初始化的数组。元素为内存中不确定值。

# 创建 3行4列的全1矩阵
num = np.empty((3,4))
print(num)

arange函数

arange()类似于python的内置函数range()，通过指定开始值、终值和步长来创建表示等差数列的一维数组，返回给定间隔内的均匀间隔值，注意得到的结果数组不包含终值。

arange()函数有四个个参数，分别是start（开始值）、stop（终值）、step（步长）和dtype（数组类型）。

开始值可选，默认值是0，包含在数组中。

终止值必选，不包含在数组中。

步长可选，默认是1。

# 长度为0到9
num1 = np.arange(10)
print(num1)

# 长度为0到9的偶数
num2 = np.arange(0, 10,2)
print(num2)

# 长度为0到9的奇数
num3 = np.arange(1,10,2)
print(num3)

其他函数

• asarray函数：类似array函数，但若转换对象为数组时，仅创 建一个引用，而array为深拷贝。
• ones_like函数：创建一个与指定数组相同形状的全1数组。
• zeros_like函数：创建一个与指定数组相同形状的全0数组。
• empty_like函数：创建一个与指定数组相同形状的未初始化数组。

数据类型

Numpy 的类型	C 的类型	描述
np.int8	int8_t	字节（-128到127）
np.int16	int16_t	整数（-32768至32767）
np.int32	int32_t	整数（-2147483648至2147483647）
np.int64	int64_t	整数（-9223372036854775808至9223372036854775807）
np.uint8	uint8_t	无符号整数（0到255）
np.uint16	uint16_t	无符号整数（0到65535）
np.uint32	uint32_t	无符号整数（0到4294967295）
np.uint64	uint64_t	无符号整数（0到18446744073709551615）
np.intp	intptr_t	用于索引的整数，通常与索引相同 ssize_t
np.uintp	uintptr_t	整数大到足以容纳指针
np.float32	float
np.float64 / np.float_	double	请注意，这与内置python float的精度相匹配。
np.complex64	float complex	复数，由两个32位浮点数（实数和虚数组件）表示
np.complex128 / np.complex_	double complex	请注意，这与内置python 复合体的精度相匹配。

还有许多别名等，详情看：数据类型 | NumPy

数据类型的表示

既可以用类型本身，如np.int32，也可以用类型名称字符串，例如int32，还可以用类型代码字符串，例如i4。

类型转换

使用astype方法进行数组之间的类型转换。

默认生成一个新数组。

num = np.arange(1,10,1.5)
print(num)

num1 = num.astype(int)
print(num1)

数组运算

• 相同形状的数组之间的运算逐元素执行。

• 数组与标量间的运算，将计算参数传递给 数组的每一个元素。

num1 = np.array([1, 2, 3])
num2 = np.array([3, 4, 5])

# 相同形状的数组之间的运算逐元素执行。
print(num1 + num2)

# 数组与标量间的运算，将计算参数传递给 数组的每一个元素。
print(num1 + 100)

Python之Numpy详细教程_python numpy-CSDN博客

NumPy 介绍 | NumPy