python numpy详解_python numpy详解

numpy引用

import numpy as np

N维数组对象

np.array([0,1,2,3,4],[9,8,7,6,5,4])

np.array()生成一个ndarray数组

np.array()输出成[ ]形式，元素由空格分隔

ndarry对象的属性

.ndim 秩，即轴的数量或维度的数量

.shape ndarry对象的尺度，对于矩阵，n行m列

.size ndarry对象元素的个数，相当于.shape中n*m的值

.dtype ndarry对象的元素类型

.itemsize ndarry对象中每个元素的大小，以字节为单位

ndarry的元素类型

1.

bool 布尔类型，True或False

intc 与C语言中的int类型一致，一般是int32或int64

intp 用于索引的整数，与C语言中ssize_t一致，int32或int64

int8 字节长度的整数，取值：[‐128, 127]

int16 16位长度的整数，取值：[‐32768, 32767]

int32 32位长度的整数，取值：[‐231, 231‐1]

int64 64位长度的整数，取值：[‐263, 263‐1]

2.

uint8 8位无符号整数，取值：[0, 255]

uint16 16位无符号整数，取值：[0, 65535]

uint32 32位无符号整数，取值：[0, 232‐1]

uint64 32位无符号整数，取值：[0, 264‐1]

float16 16位半精度浮点数：1位符号位，5位指数，10位尾数

float32 32位半精度浮点数：1位符号位，8位指数，23位尾数

float64 64位半精度浮点数：1位符号位，11位指数，52位尾数

3.

complex64 复数类型，实部和虚部都是32位浮点数

complex128 复数类型，实部和虚部都是64位浮点数

ndarry数组的创建方法

1.从Python中的列表、元组等类型创建ndarray数组

2.使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等

np.arange(n) 类似range()函数，返回ndarray类型，元素从0到n‐1

np.ones(shape) 根据shape生成一个全1数组，shape是元组类型

np.zeros(shape) 根据shape生成一个全0数组，shape是元组类型

np.full(shape,val) 根据shape生成一个数组，每个元素值都是val

np.eye(n) 创建一个正方的n*n单位矩阵，对角线为1，其余为0

np.ones_like(a) 根据数组a的形状生成一个全1数组

np.zeros_like(a) 根据数组a的形状生成一个全0数组

np.full_like(a,val) 根据数组a的形状生成一个数组，每个元素值都是val

np.linspace() 根据起止数据等间距地填充数据，形成数组

np.concatenate() 将两个或多个数组合并成一个新的数组

3.从字节流(raw bytes)中创建ndarray数组

4.从文件中读取特定格式，创建ndarray数组

ndarry数组的变换

.reshape(shape) 不改变数组元素，返回一个shape形状的数组，原数组不变

.resize(shape) 与.reshape()功能一致，但修改原数组

.swapaxes(ax1,ax2) 将数组n个维度中两个维度进行调换

.flatten() 对数组进行降维，返回折叠后的一维数组，原数组不变

ndarry数组类型的变换

ndarry数组向列表的转换

ndarry数组的操作

索引和切片

ndarry数组的运算

一元函数

二元函数