Python中NumPy数值计算基础第一部分——数组

最新推荐文章于 2022-12-08 13:45:32 发布

是个小菜鸟没错了

最新推荐文章于 2022-12-08 13:45:32 发布

阅读量852

点赞数

分类专栏： Python数据分析

本文链接：https://blog.csdn.net/weixin_43170073/article/details/90269479

版权

本文介绍了Python中NumPy库的基础知识，重点是创建数组对象，如使用array、arange、linspace、logspace、zeros、eye、diag和ones函数。还强调了数组的shape属性调整以及数组数据类型的同质性特点。

摘要由CSDN通过智能技术生成

Python提供了一个array模块，用于直接保存数值；其中numpy提供了一种存储单一数据类型的多维数组——ndarray

1.1创建数组对象
numpy提供了两种基本数据对象：ndarray（多维数组）和ufunc（能够对数组进行处理的函数）
（1）数组属性

属性	说明
ndim	返回int。表示数组的维数
shape	返回tuple。表述数组的尺寸，对n行m列的矩阵。形状为（n，m）
–	–
size	返回int。表示数组的元素总数，等于数组形状的乘积
dtype	返回data-type。描述数组中元素的类型（也是一个函数）
–	–
itemsize	返回int。表示数组的每个元素的大小（以字节为单位）。例如，一个元素类型为float64的数组的itemsize属性值为8（float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节）

Numpy提供的array函数可以创建一维或者多维数组，基本语法如下：

numpy.array(object,dtype=None,copy=True,order='K',subok&

关注

专栏目录