NumPy库的使用(1)

NumPy是一个开源的Python科学计算基础库，包含：

　　• 一个强大的N维数组对象 ndarray
　　• 广播功能函数
　　• 整合C/C++/Fortran代码的工具
　　• 线性代数、傅里叶变换、随机数生成等功能
NumPy是SciPy、 Pandas等数据处理或科学计算库的基础

NumPy的引用：

import numpy as np　引入模块的别名，尽管别名可以省略或更改，建议使用上述约定的别名。

Python已有列表类型，为什么需要一个数组对象(类型)？

　　• 数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据
　　• 设置专门的数组对象，经过优化，可以提升这类应用的运算速度
观察：科学计算中，一个维度所有数据的类型往往相同
　　• 数组对象采用相同的数据类型，有助于节省运算和存储空间

ndarray是一个多维数组对象，由两部分构成：

• 实际的数据
• 描述这些数据的元数据（数据维度、数据类型等）
　　ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始

ndarray实例

 

 

 

非同质的array对象：

ndarray数组的创建方法

• 从Python中的列表、元组等类型创建ndarray数组
• 使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等
• 从字节流（raw bytes）中创建ndarray数组
• 从文件中读取特定格式，创建ndarray数组

　　a.从Python中的列表、元组等类型创建ndarray数组

 

 

 

 

 

 

 

 

 

 

 

 

 

 

转载于:https://www.cnblogs.com/a666/p/7134247.html