Numpy库一直在用,但从没有去了解过numpy到底是个什么东西,属于知其然但不知其所以然的境界,虽然也没什么大碍,但今天看到某本书里有介绍,看了一下,觉得还不错,可以算是个简单入门吧,所以依照书上的框架复述一遍,写了这篇博文。
目录
1. Numpy简介
Numpy为Python带来了多维数组功能,并提供丰富的函数库来处理这些数组。他将常用的数学函数进行了数组化,使得这些数学函数能够直接对数组进行操作,将本来需要在Python级别进行的循环,放到C语言的运算中,明显的提高了程序的运行速度。这点是很重要的,因为Python最大的每种不足就是性能问题。
在Python中自带有list(列表)对象,用来保存一组“值”,我们可以将list近似的当作数组来使用,但是列表中的元素可以是任何对象,比如['a',0.01,{"age":18}],因此列表中所保存的是对象的指针,这样为了保存一个简单的[1,2,3],需要3个指针和三个整数对象,在时间和空间上都造成了极大浪费。
为了克服list的弊端,就可以使用Numpy库所带来的数组。
Numpy库提供了两种基本的对象,一是ndarray(N-dimensional array object)是存储单一数据类型的多维数组。二是ufunc(universal function object)是能够对数组进行处理的函数。
2. ndarray对象
2.1 数组的创建
通过给array函数传递Python的序列对象来创建数组,如果传递的是多层嵌套序列,将创建多维数组。示例如下:
import numpy as np
a = np.array( [1,2,3,4] )
b = np.array( (5,6,7,8) )
c = np.array( [[1,2,3,4],[4,5,6,7],[7,8,9,10]] )
print(a) #[1 2 3 4]
print(b) #[5 6 7 8]
print(c)
'''
[[ 1 2 3 4]
[ 4 5 6 7]
[ 7 8 9 10]]
'''
2.2 数组的形状获取和改变
数组的大小可以通过数组的shape属性获得。示例如下:
#紧接上面的代码
print(a.shape) #(4,)
print(c.shape) #(3, 4)
数组a的shape只有一个元素,因此可以判定为一维数组,而数组c的第0轴长度为3,第1轴的长度为4,是3*4的数组。
可以通过修改数组的shape属性,在保持元素个数不变的情况下,改变数组每个轴的长度。相当于做了重排。
c.shape=4,3
print(c)
'''
[[ 1 2 3]
[ 4 4 5]
[ 6 7 7]
[ 8 9 10]]
'''
当某个轴的元素为-1时,将根据元素的个数自动计算此轴的长度,因此下面的程序将c的shape