Numpy初始

一、numpy简述

我们学习numpy首先要知道什么是numpy:

官方定义就是:numpy(Numerical Python) 提供了python对多维数组对象的支持：ndarray，具有矢量运算能力，快速、节省空间。Numpy支持高级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.

二、ndarray数组:

Ndarray: N维数组对象（矩阵），所表示元素是相同类型:

Ndarray:属性：ndim属性表示维度个数；shape属性，表示维度大小; dtype属性:表示数据类型，数据类型我们等会会说到

 

创建ndarray数组函数:

我们把一一演示他们的作用:

首先我们导入numpy模块：import numpy

首先我们先演示属性:

 
 

我们可以看到：shape返回的是一个元组，并打印出每个维度的个数

              ndim：很显然是一个二维的

              dtyep: 是一个int64的类型

函数演示:

 

1,'使用zero/ones/empty创建数组:根据shape来创建'

numpy.zeros(6) #创建一维长度为6的，元素都是0一维数组

numpy.zeros((2,3)) #创建一维长度为2，二维长度为3的二维0数组

numpy.ones((2,3)) #创建一维长度为2，二维长度为3的二维1数组

numpy.empty((3,3)) #创建一维长度为2，二维长度为3,未初始化的二维数组

2,'使用arrange生成连续元素'

numpy.arange(6) # [0 1 2 3 4 5]开区间

numpy.arange(0,6,2) # [0 2 4]

 

三、Numpy的数据类型

演示类型的转换:

1,'生成指定元素类型的数组:设置dtype属性'

x = numpy.array([1,2.6,3],dtype =numpy.int64)

x # 元素类型为int64

x = numpy.array([1,2,3],dtype =numpy.float64)

x # 元素类型为float64

 

2,'使用astype复制数组，并转换类型'

x = numpy.array([1,2.6,3],dtype =numpy.float64)

y = x.astype(numpy.int32)

y # [1 2 3]

x # [ 1.  2.6  3. ]

z = y.astype(numpy.float64)

z # [ 1. 2.  3.]

 

'3,将字符串元素转换为数值元素'

x = numpy.array(['1','2','3'],dtype =numpy.string_)

y = x.astype(numpy.int32)

x # ['1' '2' '3']

y # [1 2 3] 若转换失败会抛出异常

 

'4,使用其他数组的数据类型作为参数'

x = numpy.array([ 1., 2.6,3. ],dtype =numpy.float32);

y = numpy.arange(3,dtype=numpy.int32);

y # [0 1 2]

y.astype(x.dtype) # [ 0.  1.  2.]

四、ndarray的矢量化计算

简单的说就是加减乘除，比较大小来返回我们需要的数据

代码演示:

1,'ndarray数组与标量/数组的运算'

x = numpy.array([1,2,3]) 

x*2 # [2 4 6]

x>2 # [False False  True]

y = numpy.array([3,4,5])

x+y # [4 6 8]

x>y # [False False False]

五、ndarray数组的基本索引和切片

1,一维数组的索引:与python的列表操作一样

2，多维数组的索引:

 举例:Arr[r1:r2,c1:c2] arr[1,1]等于arr[1][1],[:]代表某个维度的数据

示例:

1, 'ndarray的基本索引'

(1)x = numpy.array([[1,2],[3,4],[5,6]])

x[0] # [1,2]

x[0][1] # 2,普通python数组的索引

x[0,1] # 同x[0][1]，ndarray数组的索引

(2)x = numpy.array([[[1, 2], [3,4]], [[5, 6], [7,8]]])

x[0] # [[1 2],[3 4]]

y = x[0].copy() # 生成一个副本

z = x[0] # 未生成一个副本

y #  [[1 2],[3 4]]

y[0,0] # 1

y[0,0] = 0 

z[0,0] = -1

y # [[0 2],[3 4]]

x[0] # [[-1 2],[3 4]]

z # [[-1 2],[3 4]]

2,'ndarray的切片'

(1)x = numpy.array([1,2,3,4,5])

x[1:3] # [2,3] 右边开区间

x[:3] # [1,2,3] 左边默认为 0

x[1:] # [2,3,4,5] 右边默认为元素个数

x[0:4:2] # [1,3] 下标递增2

(2)x = numpy.array([[1,2],[3,4],[5,6]])

x[:2] # [[1 2],[3 4]]

x[:2,:1] # [[1],[3]]

x[:2,:1] = 0 # 用标量赋值

x # [[0,2],[0,4],[5,6]]

x[:2,:1] = [[8],[6]] # 用数组赋值

x # [[8,2],[6,4],[5,6]]