科学计算库Numpy用法

最新推荐文章于 2024-08-04 19:00:14 发布

White Root

最新推荐文章于 2024-08-04 19:00:14 发布

阅读量268

点赞数

分类专栏：机器学习文章标签： numpy 机器学习

本文链接：https://blog.csdn.net/root1228544694/article/details/106319101

版权

Numpy是Python中的科学计算库，提供高效处理多维数组的ndarray对象。ndarray支持快速的数学运算，包括数组创建、索引、切片、形状修改和类型转换。此外，Numpy还提供了随机数生成、统计运算和矩阵运算等功能，是数值计算的重要工具。

摘要由CSDN通过智能技术生成

numpy介绍

用于快速处理任意维度的数组。
Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。
Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。

ndarray介绍

NumPy提供了一个N维数组类型ndarray

用来存储相同类型数据的集合

ndarray的优势

内存块风格
- list – 分离式存储,存储内容多样化
- ndarray – 一体式存储,存储类型必须一样
ndarray支持并行化运算（向量化运算）
- 矩阵分块运算比for循环肯定要快
ndarray底层是用C语言写的,效率更高,释放了GIL

N维数组-ndarray

属性名字	属性解释
ndarray.shape	数组维度的元组
ndarray.ndim	数组维数
ndarray.size	数组中的元素数量
ndarray.itemsize	一个数组元素的长度（字节）
ndarray.dtype	数组元素的类型

在这里插入图片描述

ndarray的形状

a = np.array([1,2,3,4])
b = np.array([[1,2,3],[4,5,6]])
c = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])
>>> a.shape
>>> b.shape
>>> c.shape
(4,)    # 一维数组
(2, 3)  # 二维数组
(2, 2, 3) # 三维数组

图示理解：新增加的维度视为0轴
在这里插入图片描述

基本操作

生成0,1

a=np.ones([3,4])  #默认类型float64
a
>>>array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])
a.shape     >(3, 4)
a.dtype		>dtype('float64')

b=np.ones((3,4),dtype=np.int16)  #括号里shape元组和列表一样
b
>>>array([[1, 1, 1, 1],
       [1, 1, 1, 1],
       [1, 1, 1, 1]], dtype=int16)
c=np.zeros([2,4])
c
>>>array([[0., 0., 0., 0.],
       [0., 0., 0., 0.]]
np.eye(5)  #单位矩阵
>>>array([[1., 0., 0., 0., 0.