numpy二维数组改变某些数_D01 Numpy简介，为什么Numpy那么快

---

title: D01|Numpy简介
author: Adolph Lee
categories: 数据挖掘基础
tags:

• Python
• 数据挖掘基础
• Numpy

---

初识Numpy

Numpy是一个Python基础科学计算包，它的核心是多维数组ndarray对象，Numpy提供了诸如数学、逻辑、形状操作、排序、基本统计等基于ndarray的快速计算API。Numpy几乎可以说是Python科学计算的基石，一些强大机器学习或科学计算库都是基于Numpy，例如scikit-learn，pandas等。

•   Numpy是一个基础的科学计算包
•   Numpy的核心是ndarray对象
•   ndarray封装了Python的数组ndarray的几个特点
•   ndarray是一个多维数组
•   ndarray在创建之初便固定了大小，如果更改ndarray对象的大小，本质上是先新增后删除。
•   ndarray中的元素需要相同的数据类型。

为什么Numpy这么快

Numpy在执行到涉及ndarry的操作时，其是由预编译好的C代码快速执行。因此Numpy不仅拥有Python简介优雅特性，也拥有几近于C的高效。

创建一个数组​

import numpy as np#创建一个一维数组array_1d = np.array([1,2,3,4]) print(array_1d)print(type(array_1d))#创建一个二维数组array_2d = np.array([[1,2,3],[1,2,3]])print(array_2d)print(type(array_2d))#创建一个三维数组array_3d = np.array([[[1,2,3],[1,2,3]],[[3,4,5],[3,4,5]]])print(array_3d)print(array_3d)

ndarray的主要属性

•   ndarray.ndim 数组的维度个数
•   ndarray.shape 数组的维度，对于一个n行m列二维数组，其shape就是(n,m)
•   ndarray.size 数组的元素个数
•   ndarray.dtype 数组中的元素类型，例如int、int64
•   ndarray.itemsize 数组中每个元素的字节大小

快速创建numpy数组

•   numpy.arange(start,stop,step,dtype)

1.   用于创建一个具有等差数列性质的数组
2.   start 指定数值范围的开始
3.   stop 指定数值范围的结束
4.   [start,stop) 是一个左闭右开区间
5.   step 生成数列的步长
6.   dtype 指定输入数组中的元素类型

•   numpy.linspace(start,stop,num,endpoint=True,retstep=False,dtype=None)

1.   用于创建具有指定个数元素等差数列的数组
2.   start 指定等差数列的初始值
3.   stop 指定等差数列的结束值
4.   num 指定等差数列的元素个数
5.   endpoint 指定生成的等差数列是否包含stop值，默认值True 包含
6.   retstep 是否显示等差数列的步长，默认为False 不显示
7.   dtype 指定输入数组中的元素类型

•   numpy.logspace(start,stop,num,endpoint=True,base=10.0,dtype=None)

1.   用于创建具有指定个数元素等比数列的数组
2.   start 指定等比数列的起始值 起始值等于 base的start次方
3.   stop 指定等比数列的结束值 终止值为 base的stop次方
4.   num 指定等比数列的元素个数
5.    指定生成的等比数列是否包含stop值，默认值True 包含
6.    指定base值
7.    指定输入数组中的元素类型

快速创建数组​

import numpy as np# 快速创建一个一维数组array_1d = np.arange(0,10,2)print(array_1d)print(type(array_1d))# 快速创建一个二维数组# reshape用来在不改变数据的情况下改变数组的形状，后面会详细讲到array_2d = np.arange(0,10).reshape(2,5) print(array_2d)print(type(array_2d))# 快速创建一个三位数组array_3d = np.arange(0,20).reshape(2,2,5)print(array_3d)print(type(array_3d))# 利用linspace快速创建一个二维数组array_2d = np.linspace(1,10,10).reshape(2,5)print(array_2d)print(type(array_2d))# 利用logspace创建一个一维数组array_1d = np.logspace(1,2,10)print(array_1d)print(type(array_1d))

关于numpy的简介就讲到这里，后面会继续讲到np的常用函数

转载请注明出处