Numpy学习:
numpy支持多维度数组和矩阵的运算。
numpy和scipy(scientific python)及matplotlib组合使用==MatLab
numpy的Ndarray(n维data数组)对象:由一系列同类型数据的集合,以0下标为开始的索引。
numpy数组的维数成为秩(rank),一维数组的秩为1,二维数组的秩为2。秩表示轴的数量或维度的数量。
每一个线性的数组称为是一个轴(axis),也就是维度(dimensions)
当axis=0时,表示沿着第0轴进行操作,即对每一列进行操作;当axis=1时,表示沿着第1轴进行操作,即对每一行进行操作。
numpy数组的属性:
ndarray.dim:秩,即轴的数量或维度的数量
ndarray.shape:返回一个元组,表示数组的维度,比如一个二维数组,其维度表示行数和列数
调整数组大小:方法一:原数组.shape ==(3, 2) 方法二:新数组 = 原数组.reshape(3, 2)
numpy创建数组:
创建空数组:np.empty(shape, dtype=float, order='C) 例,x = np.empty([3, 2], dtype=int)
创建指定大小的数组,数组元素以0来填充:np.zeros(shape, dtype=float, order='C) 例,x = np.zeros(5) 例,y = np.zeros((5, ), dtype=np.int)
创建指定形状的数组,数组元素以1来填充:np.ones(shape, dtype=float, order='C)
np.asarray(a, dtype=None, order=None) # a可以是列表、列表的元组、元组、元组的元组、元组的列表和多维数组
numpy从数值范围创建数组:
np.arange(start, stop, step, dtype) # 例,x = np.arange(5)
numpy中的切片与list中的切片操作一样。