numpy库

本文介绍了numpy在Python中作为数据处理工具的重要性,包括其与C语言的关系、向量化和矩阵化操作的优势、numpy数组的视图机制、.copy功能以及随机数生成。此外,文中详细讲解了numpy的四种运算,如向量化运算、两个数组运算和切片技巧,还补充了元组这一不可变序列类型的概念。
摘要由CSDN通过智能技术生成

1、numpy继承于C语言,跟python有一些区别。

2、数据处理的过程中,如果遇到向量化、矩阵化操作的时候,优先考虑numpy

使用numpy数组的原因:python中的列表,里面的数据有很多种类型,每次用到里面的元素都要判断它的类型,耗时很长,但是numpy里面的数据,只需要知道一个就可以了。

3、numpy切片时,切的是一个视图,而不是副本

如果想要一个副本,加入.copy。

4、random.randint(20,size(3,4)),生成一个3行4列的二维数组

random.randint(20,(12,))里面的size=(12,),一维的

5、numpy的四种运算

(1)向量化运算(一维)

np.arange创建等差数列

np.array创建一个数组

(2)两个数组运算

dot跟x*y不一样,x*y是每一个元素相乘

广播运算:维度不匹配的时候,就进行扩充。

(补充:切片问题

(1)先看数据是一维还是二维

一维的就是:

因为切片里面有一个说法:前闭后开,不包括后面的位置的数。

所以可以看成:切片里面的2、3、4指的就是第2行、第3行、第4行

(2)切片形式:

1.正向切片:[开始位置: 结束位置: 切片间隔: ],[2:5:4]

起始位置是0可以省略。结束位置可以省略,代表可以取到最后一位。还可以使用反向索引。

2.反向切片:[]

补充:元祖

tuple元祖   序列类型

表示方式:(data1, data2...)

元素不支持修改,是一种不可变的列表

最终总结

​​​​​​​

 

 

  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值