python中numpy模块的作用_Python中Numpy模块的使用

目录

NumPy

NumPy(Numerical Python) 是 Python 的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Nupmy可用来存储和处理大型矩阵，比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix))。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

一个强大的 N 维数组对象 ndarray

广播功能函数

整合 C/C++/Fortran 代码的工具

线性代数、傅里叶变换、随机数生成等功能

ndarray对象

NumPy 最重要的一个对象是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，可以使用基于 0 的索引访问集合中的项目。

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使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)

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

一般只有 object 、dtype和 ndmin 参数常用，其他参数不常用

import numpy

a=numpy.array([1,2,3]) #一维

b=numpy.array([[1,2,3],[4,5,6]]) #二维

c=numpy.array([1,2,3],dtype=complex) #元素类型为复数

d=numpy.array([1,2,3],ndmin=2) #二维

print(a,type(a))

print(b,type(b))

print(c,type(c))

print(d,type(d))

####################################

[1 2 3]

[[1 2 3]

[4 5 6]]

[1.+0.j 2.+0.j 3.+0.j]

[[1 2 3]]

Numpy数组属性

NumPy 数组的维数称为秩(rank)，一维数组的秩为 1，二维数组的秩为 2，以此类推。

在 NumPy中，每一个线性的数组称为是一个轴(axis)，也就是维度(dimensions)。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴(axis)，第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

ndarray 对象属性有：

常见的属性有下面几种 ：

ndarray.shape：  这一数组属性返回一个包含数组纬度的元组，它也可以用于调整数组大小

import numpy as np

a=np.array([[1,2,3],[4,5,6]])

print(a.shape) #打印shape属性

a.shape=(3,2) #修改shape属性

print(a)

#######################################

(2, 3)

[[1 2]

[3 4]

[5 6]]

ndarray.ndim： 这一数组属性返回数组的维数

import numpy as np

a=np.arange(24) #np.arange返回0-23的列表类型的数据

print(a.ndim)

b=a.reshape(2,3,4)

print(b)

print(b.ndim)

############################

1

[[[ 0 1 2 3]

[ 4 5 6 7]

[ 8 9 10 11]]

[[12 13 14 15]

[16 17 18 19]

[20 21 22 23]]]

3

ndarray.itemsize ： 这一数组属性返回数组中每个元素的字节单位长度

import numpy as np

a=np.array([1,2,3]) #默认是四个字节

print(a.itemsize)

#########################################

4

numpy.mat()函数的用法

该函数用来创建矩阵

import numpy as np

#将列表转为矩阵

a=[7,8,9]

b=np.mat(a)

print(b)

print("#"*10)

#创建一行的矩阵

m=np.mat([1,2,3])

print(m)

print("打印出第一行的第三个值：",m[0,2]) #取第一行的第三个值

print("#"*10)

x=np.mat([[3,2,1],[6,5,4]])

print(x)

print("打印出矩阵的第二行：",x[1])

print("打印出矩阵的第二行：",x[1,:])

print("打印出矩阵的行列数：",x.shape) #获得矩阵的行列数

print("打印出矩阵的行数 ：",x.shape[0]) #获得矩阵的行数

print("打印出矩阵的列数 ：",x.shape[1]) #获得矩阵的列数

x.sort() #对矩阵的每一行进行排序

print("对矩阵的每一行进行排序:")

print(x)

print("#"*10)

numpy.zeros()函数的用法

该函数用于返回给定形状和类型的新数组。返回的数据类型为 numpy.ndarray，具有给定形状，类型和顺序的0的数组。

numpy.zeros(shape，dtype=float，order = 'C')

参数：

shape：int 或 int 的元组。新阵列的形状，例如：(2，3)或2。

dtype：数据类型，可选。、例如numpy.int8。默认是numpy.float64

order：{'C'，'F'}，可选，默认：'C' 。是否在内容中以行(C)或列(F)顺序存储多维数据。

import numpy as np

a=np.zeros(5)

print(a,type(a))

b=np.zeros([1,2],dtype='int8')

print(b)

c=np.zeros([1,2,3],dtype='int8')

print(c)

本文同步分享在 博客“谢公子”(CSDN)。

如有侵权，请联系 support@oschina.cn 删除。

本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。