numpy入门实战教程（基础篇）

Abstract：numpy入门实战教程，附代码。

1.概览

• numpy的主要对象是同种元素的多维数组。这是一个所有元素都是同一种类型、通过同一个正整数元组索引的元素表格（通常元素是数字）

• 维度（dimensions）：轴

• 轴的个数：秩（rank）

  例如，在3D空间一个点的坐标[1, 2, 3]是一个秩为1的数组，因为它只有一个轴。那个轴长度为3.又例如，在以下例子中，数组的秩为2(它有两个维度).第一个维度长度为2,第二个维度长度为3.

  [[ 1., 0., 0.], [ 0., 1., 2.]]

• 数组类：ndarray（数组），注意numpy.array和标准Python库类array.array并不相同，后者只处理一维数组和提供少量功能。更多重要ndarray对象属性有：

  • ndarray.ndim ——数组轴（秩）的个数

  • ndarray.shape ——数组的维度；是一个指示数组在每个维度上大小的整数元组。例如一个n排m列的矩阵，它的shape属性将是(2,3),这个元组的长度显然是秩，即维度或者ndim属性

  • ndarry.size——数组元素的总个数

  • ndarray.dtype ——用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准Python类型。另外Numpy提供它自己的数据类型。

  • ndarray.itemsize ——数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如，一个元素类型为complex32的数组item属性为4(=32/8).

  • ndarray.data——包含实际数组元素的缓冲区，通常我们不需要使用这个属性，因为我们总是通过索引来使用数组中的元素

    # input1
    from numpy import*
    a = arrange(15).reshape(3,5)
    print a
    ​
    # output1
    array([[ 0,  1,  2,  3,  4],
           [ 5,  6,  7,  8,  9],
           [10, 11, 12, 13, 14]])
    ​
    # input2
    print a.shape
    ​
    # output2
    (3,5)
    ​
    # in3
    print a.ndim
    ​
    # out3
    2
    ​
    # in4
    print a.dtype.name
    ​
    # out4
    'int64'
    ​
    # in5
    print a.itemsize
    ​
    # out5
    8
    ​
    # in6
    print a.size
    ​
    # in7
    print tyep(a)
    ​
    # out7
    numpy.ndarray
    ​
    # in8
    b = array([6, 7, 8])
    b 
    ​
    # out8
    array([6,7,8])
    ​
    # in9
    print type(b)
    ​
    # out
    numpy.ndarray

  ​

2.创建数组

使用array函数从常规的python列表和元组创造数组，所创建的数组类型由原序列中的元素类型推导而来。

​

    # create array
    b = array([(1,2,3,4),(5,6,7,8)],dtype=complex) # 默认创建的数组类型(dtype)都是float64
    print b
  ​
    zeros((3,4))
    print zeros
  ​
    ones((2,3,4),dtype=int16)
  ​
    empty((2,3))
    print empty
  ​
    print arange(10,30,5)
    print arange(0,2,0.3)
    # 当arange使用浮点数参数时，由于有限的浮点数精度，通常无法预测获得的元素个数。
    # 因此，最好使用函数linspace去接收我们想要的元素个数来代替用range来指定步长

​

3.打印数组

当打印数组时，numpy会以类似嵌套列表的形式显示，呈以下布局

• 最后的轴从左到右打印