1、Numpy定义
Numpy是Numberical Python的简称,是用来进行高性能计算与分析的基础包,是Python中重要的扩充库。它支持高维度数组与矩阵运算,也针对数组运算提供了大量的数学函数库。Numpy运算效率极好,是大量机器学习框架的基础库。
使用Numpy,开发人员可以很方便地执行数组运算、逻辑运算、傅里叶变换和图形图像操作。Numpy数组地运算效率优于Python的标准List类型,而且在代码中使用Numpy可以省去很多繁琐的操作语句,代码更将简洁。
一般使用如下方式引入Numpy库:
import numpy as np
2、ndarray对象
Numpy的强大功能在于底层的ndarray结构,该结构可以生成N维数组对象。
ndarray对象是一系列同类型数据的集合,下标索引从0开始,是一个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都具有相同大小的存储区域。
ndarray可以通过对数组建立索引或切片来访问数组内容,也可以使用ndarray的方法和属性来访问和修改ndarray内容。
ndarray中的相关属性如下:
- shape(数组形状):表示数组各维大小的整数元组。
- dtype(数据类型):描述数组的类型对象。
- data(数组数据):一个指向内存中数据的指针。
- strides(跨度):表示当前维度移动到下一个位置需要跨越的字节数,即当前维度的宽。
- order(数组顺序):访问数组元素的主顺序,“C”为行主序,“F”为列主序。
在Numpy模块中,提供了ndarray()和array()两个函数,都可以用来建立一个ndarray。其中ndarray函数属于底层的方法,一般都是使用darray()函数进行创建,创建的语法格式如下:
numpy.array(object,dtype=None,copy=True,order=None,subox=False,ndmin=0)
参数介绍:
- object:数组或嵌套的数列。
- dtype:数组元素的数据类型。可选。
- order:创建数组的样式,C为行方向,F为列方向,A为任意方向(默认)。
- ndmin:指定所生成数组应具有的最小维度。
数组的创建与基本操作:
import numpy as np
a = np.array([1,2,3]) #创建一维数组并输出
print(a)
print(type(a))
a = np.array([[1,2],[3,4]]) #创建二维数组并输出
print(a)
print(a.shape)
a