python函数实现多维数组遍历_Numpy 多维数据数组的实现

numpy包(模块)几乎总是用于Python中的数值计算。这个软件包为Python提供了高性能的向量、矩阵、张量数据类型。它是在C和Fortran中创建的，因此当计算被矢量化(用矩阵和矢量表示操作)时，性能很高。

1.模块的导入：

%matplotlib inline

import matplotlib.pyplot as plt

from numpy import *

2.数组创建numpy

有几种初始化numpy数组的方法，例如：使用Python的list或tuple。使用旨在创建Numpy数组的函数，如arrange、linspace等。从文件中读取数据(例如Python pickle格式)

2.1根据列表创建numpy.array

v = array([1,2,3,4])

v

M = array([[1, 2], [3, 4]])

M

v和M 都是ndarray类型的对象，由numpy模块创建。

type(v), type(M)

v数组和M数组的区别在于它们的尺寸(形式)。我们可以使用ndarray.shape属性来获取大小信息。

v.shape

M.shape

矩阵中元素的数量可以通过属性ndarray.size

M.size

也可以使用numpy方法numpy.shape 和 numpy.size

shape(M)

size(M)

numpy.ndarray 看起来像一个普通的 Python 列表。使用它们而不是Python列表有几个原因。

Python的列表是非常常见的。它们可以包含任何对象。他们是动态类型化的。它们不支持矩阵和诗词作品等数学运算。由于动态类型的原因，在Python中用list实现这种操作并不是很有效。

Numpy数组是静态类型化和同质化的。元素类型是在创建数组时定义的(那么数组数据类型可以改变)。

Numpy数组不是很耗费内存。

得益于静态类型化，数学函数如乘积和numpy数组的和可以在编译语言中实现(使用C和Fortran)。

使用ndarray数组的dtype(数据类型)属性，我们可以看到数组的数据类型。

M.dtype

试图分配一个错误类型(不一样的类型)的值会导致错误。

M[0,0] = "hello"

创建数组时，可以分别指定数据类型。

M = array([[1, 2], [3, 4]], dtype=complex)

M

通常使用以下dtype值：int、float、complex、bool、object等。

我们也可以用比特来指定大小：int64、int16、float128、complex128。

3.使用函数生成数组

使用python列表来指定大型数组是不切实际的。你可以使用各种Numpy方法。

3.1arrange

x = arange(0, 10, 1) # arguments: start, stop, step

x

x = arange(-1, 1, 0.1)

x

3.2linspace 和 logspace

使用linspace，区间的两端都被包括在内，参数:(开始，停止，点的数量)

linspace(0, 10, 25)

logspace(0, 10, 10, base=e)

3.3mgrid

x, y = mgrid[0:5, 0:5]

x

y