python numpy学习

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。