python3 numpy教程_Python Numpy 教程

本教程介绍了Python Numpy库从安装到创建数组的过程：Numpy的数据类型，数组属性 ，如何创建Numpy数组等。

文章目录

Numpy 安装1、使用已有的发行版本2、使用 pip 安装Linux (Ubuntu & Debian)下安装安装验证

NumPy Ndarray 对象实例实例 1实例 2实例 3实例 4

NumPy 数据类型数据类型对象 (dtype)实例实例 1实例 2实例 3实例 4实例 5实例 6实例 7实例 8

NumPy 数组属性ndarray.ndim实例

ndarray.shapendarray.itemsize实例

ndarray.flags实例

NumPy 创建数组numpy.emptynumpy.zeros实例

numpy.ones实例

NumPy 从已有的数组创建数组numpy.asarray实例实例实例实例

numpy.frombufferPython3.x 实例Python2.x 实例

numpy.fromiter实例

NumPy 从数值范围创建数组numpy.arange实例

numpy.linspacenumpy.logspace

Numpy 安装

Python 官网上的发行版是不包含 NumPy 模块的。

我们可以使用以下几种方法来安装。

1、使用已有的发行版本

对于许多用户，尤其是在 Windows 上，最简单的方法是下载以下的 Python 发行版，它们包含了所有的关键包(包括 NumPy，SciPy，matplotlib，IPython，SymPy 以及 Python 核心自带的其它包)：

Anaconda: 免费 Python 发行版，用于进行大规模数据处理、预测分析，和科学计算，致力于简化包的管理和部署。支持 Linux, Windows 和 Mac 系统。Enthought Canopy: 提供了免费和商业发行版。持 Linux, Windows 和 Mac 系统。Python(x,y): 免费的 Python 发行版，包含了完整的 Python 语言开发包 及 Spyder IDE。支持 Windows，仅限 Python 2 版本。WinPython: 另一个免费的 Python 发行版，包含科学计算包与 Spyder IDE。支持 Windows。Pyzo: 基于 Anaconda 的免费发行版本及 IEP 的交互开发环境，超轻量级。 支持 Linux, Windows 和 Mac 系统。

2、使用 pip 安装

安装 NumPy 最简单的方法就是使用 pip 工具：

python -m pip install --user numpy scipy matplotlib ipython jupyter pandas sympy nose

–user 选项可以设置只安装在当前的用户下，而不是写入到系统目录。

Linux (Ubuntu & Debian)下安装

sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose

安装验证

测试是否安装成功：

>>> from numpy import *

>>> eye(4)

array([[1., 0., 0., 0.],

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

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

[0., 0., 0., 1.]])

from numpy import * 为导入 numpy 库。

eye(4) 生成对角矩阵。

NumPy Ndarray 对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

ndarray 对象是用于存放同类型元素的多维数组。

ndarray 中的每个元素在内存中都有相同存储大小的区域。

ndarray 内部由以下内容组成：

一个指向数据(内存或内存映射文件中的一块数据)的指针。数据类型或 dtype，描述在数组中的固定大小值的格子。一个表示数组形状(shape)的元组，表示各维度大小的元组。一个跨度元组(stride)，其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

ndarray 的内部结构:

跨度可以是负数，这样会使数组在内存中后向移动，切片中 obj[::-1] 或 obj[:,::-1] 就是如此。

创建一个 ndarray 只需调用 NumPy 的 array 函数即可：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数说明：

名称描述object数组或嵌套的数列dtype数组元素的数据类型，可选copy对象是否需要复制，可选order创建数组的样式，C为行方向，F为列方向，A为任意方向(默认)subok默认返回一个与基类类型一致的数组ndmin指定生成数组的最小维度

实例

接下来可以通过以下实例帮助我们更好的理解。

实例 1

import numpy as np

a = np.array([1,2,3])

print (a)

输出结果如下：

[1, 2, 3]

实例 2

# 多于一个维度

import numpy as np

a = np.array([[1,  2],  [3,  4]])

print (a)

输出结果如下：

[[1, 2]

[3, 4]]

实例 3

# 最小维度

import numpy as np

a = np.array([1,  2,  3,4,5], ndmin =  2)

print (a)

实例 4

# dtype 参数

import numpy as np

a = np.array([1,  2,  3], dtype = complex)

print (a)

输出结果如下：

[ 1.+0.j,  2.+0.j,  3.+0.j]

ndarray 对象由计算机内存的连续一维部分组成，并结合索引模式，将每个元素映射到内存块中的一个位置。内存块以行顺序(C样式)或列顺序(FORTRAN或MatLab风格，即前述的F样式)来保存元素。

NumPy 数据类型

numpy 支持的数据类型比 Python 内置的类型要多很多，基