numpy序列预处理dna序列_NumPy使用教程：NumPy介绍，核心数据对象ndarray基本使用和创建...

NumPy介绍

NumPy是Python开源的科学计算工具包，提供多维数组运算，矩阵运算，为Python其他科学计算库提供底层支持(pandas是基于numpy开发出来的更高级的数据分析包)

NumPy库能够对全量数组进行复杂运算，不需要写Python遍历循环实现计算，本身使用C语言实现，所以其内存使用更少、计算性能更强，性能好于Pyhton

NumPy多应用：生产随机数、线性分布、傅里叶变换等样本数据!

NumPy 与 Python性能比较

输出:

• NumPy用时: 25.9 ms
• Python用时: 1.04 s

ndarray，多维数组对象

NumPy核心数据结构是多维数组，即ndarray，所有数组操作都离不开ndarray

ndarray对象属性介绍：

• .ndim 输出数组维度的个数(轴数)
• .shape 数组的维度
• .size 数组元素总数
• .dtype 数组中元素的类型
• .itemsize 数组中每个元素的字节大小

数组的维数称为秩，一维数组的秩为1，二维数组的秩为2

创建ndarray对象

0x01 np.array，创建多维数组

使用np.array方法创建数组，输入参数可以是任意序列(列表、元组、数组、生成器以及numpy数组等)

0x02 np.arange，创建一维数组

使用np.arange()方法构建N维组数

一般使用np.arange()方法，先创建一个一维值序列，再使用reshape方法变换高维数组形状

0x03 np.linspace，创建一维数组

使用linspace(start, stop, num=50,endpoint=True,retsep=False, dtype=None)，返回在间隔【开始，结束】上计算的num个均匀间隔的数值样本

• start:起始值，stop:结束值
• num，生产样本数
• endpoint，为True，包含，为False，不包含
• retstep，为True，返回样本步长，即样本间隔长度，默认为False

0x04 np.zeros，生成全零数组

使用np.zeros方法生成全零数组，若创建高维数组，需要传入元组参数

0x05 np.zeros_like

np.zeros_like方法，根据所给定的ndarray对象生成对应的全零数组

0x06 np.ones，生成全一数组

使用np.ones方法，生成全一数组,若创建高维数组，需要传入元组参数

0x07 np.ones_like

np.ones_like方法，根据所给定的ndarray对象生成对应的全一数组

创建多维数组其他方法

• np.empty 生成没有初始值的数组，若创建高维数组，需要传入元组参数
• np.empty_like 根据所给定的ndarray对象生成没有初始值的数组
• np.full 创建一个由常数填充的数组,第一个参数是数组，第二个参数是数组中填充的常数
• np.full_like 同上
• np.eye、np.identity生成NxN单位矩阵(左对角线是1，其他元素是0)

数组数据类型

ndarray对象中每个元素可以是以下任意数据类型：

说明：

1. 可以在创建数组的时候，指定数据类型
2. 可改变已有数组的数据类型，通过astype()方法，生成新的数组

示例代码：

最后

如果内容有误，欢迎评论区指正！

喜欢我的朋友们，麻烦点一波关注，谢谢！