Numpy简介
Numpy(Numerical Python的简称)是高性能科学计算和数据分析的基础包。
优点
Numpy底层使用C语言进行编写的,执行更快。
Numpy数组内部的数据类型必须是统一的,而Python列表list支持所有类型的内容填充,使得在使用列表时,每次调用元素都要查询元素类型。
Numpy数组的存储地址是连续的。
Python语言执行的时候有线程锁,无法实现真正的多线程,而C语言可以。
调用方法
import numpy as np
关于ndarray
数据类型
相对于python自带的list数组,ndarray数组的优点如下:
ndarray数组支持广播机制,不需要for循环就能进行矩阵运算。
a = np. array( [ 1 , 2 , 3 , 4 , 5 ] )
a = a + 1
a = np. array( [ [ 1 , 2 , 3 , 4 , 5 ] , [ 6 , 7 , 8 , 9 , 10 ] ] )
b = np. array( [ 1 , 2 , 3 , 4 , 5 ] )
c = a + b
内部数据类型相同,地址空间连续,运行速度更快。
创建函数
函数
作用
np.array(object, dtype=)
接受一切序列型(常用list)的对象,然后产生一个新的含有传入数据的numpy数组,可设置类型dtype。
np.arange(m,n,x)
创建元素从m到n依次递增x的数组。
np.zeros()
创建指定长度或者形状(例如二位矩阵)的全0数组。
np.ones()
创建指定长度或者形状的全1数组。
np.full((), n)
创建指定长度或者形状的指定内容为n的数组。
np.eye(n)
创建n*n的单位矩阵。
np.linspace(0, 1, 5)
创建从0-1,长度为5的等差数列。
np.logspace(0,9,10)
创建一个长度为10,形成1-10^9的等比数列。
属性
属性(a=变量名)
作用
a.shape
数组的形状,1维数组(N, ),二维数组(M, N),三维数组(M, N, K)。
a.dtype
数组内的数据类型。
a.size
包含的元素个数,指单个元素。
a.ndim
数组的维度大小,如一维二维三维
操作函数
属性 (a=变量名)
作用
a = a.astype(type)
改变数组数据类型 。
a = a.reshape(shape)
改变数组形状, 返回视图 ,(-1,1)表示列数为1,行数自适应。
a = a.flatten() /a.reshape(-1)
展开数组,返回副本 ,无法修改。
a = a.ravel()
展开数组,返回视图 ,修改会保存到原数组。
属性 (a=变量名)
作用
np.median(x)
求x的中位数
a.mean()
计算算术平均数,零长度数组的mean为NaN
a.std() / a.var()
计算标准差/方差,自由度可调(默认为n)
a.sum()
对数组中全部或某轴向的元素求和,零长度数组的sum为0。
a.sum()
对数组中全部或某轴向的元素求积
a.max() / a.min()
返回最大值/最小值。
a.argmin() / a.argmax()
返回最大值/最小值的索引。
a.cumprod()
计算所有元素累积。
a.cumsum()
计算所有元素累加。
属性 (a=变量名)
作用
np.r_[a,b] / np.vstack([a, b])
两矩阵上下相加,要求列数相等
np.c_[a,b] / np.hstack([a, b])
两矩阵左右相加,要求行数相等
np.split(X, n)
将X进行分裂,返回n个等分数组
np.split(X, [n,m])
将X进行分裂,返回3个数组,从n和m为下标的元素进行左切割
np.hsplit(X, n / [n,m])
对X进行垂直切割,按列数或等分
np.vsplit(X, n / [n,m])
对X进行水平切割,按行数或等分
关于np.random
创建随机数组
建立随机数组之前一般先设置随机数种子,用以保证多次运行时能够建立相同的随机数组
np.<