python库——numpy

简介

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

• 一个强大的N维数组对象 ndarray
• 广播功能函数
• 整合 C/C++/Fortran 代码的工具
• 线性代数、傅里叶变换、随机数生成等功能

安装

pip install numpy
#验证是否成功
#linux系统
python #进入python解释器（或者python3，根据服务器的配置进入 ）
>>> import numpy as np
>>> np.eye(4)
#eye(4) 生成对角矩阵
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]])

• import numpy 可以引入库到当前环境
• import numpy as np 可以设置别名 调用的时候可以通过别名调用
• from numpy as * 可以从库中将函数引入文件 可以直接使用引入的函数 不需要在函数前面添加库名，* 引入该库的所有函数可以替换成想引入的函数，用逗号分隔

Numpy 数组

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数说明：

名称	描述
object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，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）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

Numpy 数据类型

名称	描述
bool_	布尔型数据类型（True 或者 False）
int_	默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc	与 C 的 int 类型一样，一般是 int32 或 int 64
intp	用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
int8	字节（-128 to 127）
int16	整数（-32768 to 32767）
int32	整数（-2147483648 to 2147483647）
int64	整数（-9223372036854775808 to 9223372036854775807）
uint8	无符号整数（0 to 255）
uint16	无符号整数（0 to 65535）
uint32	无符号整数（0 to 4294967295）
uint64	无符号整数（0 to 18446744073709551615）
float_ float64	类型的简写
float16	半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32	单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
float64	双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位
complex_ complex128	类型的简写，即 128 位复数
complex64	复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128	复数，表示双 64 位浮点数（实数部分和虚数部分）

Numpy 数组属性

ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。比如，一个二维数组，其维度表示"行数"和"列数"。

import numpy as np 
a = np.array([1,2,3,4,5,6,7,8,9,10,11,12])
print(a.shape)
a.shape = (2,6)
print(a)
a.shape = (3,4)
print(a)
#输出结果
(12,)

[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]
 
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

Numpy 创建数组

numpy.empty(shape, dtype = float, order = 'C')

参数	描述
shape	数组形状
dtype	数据类型，可选
order	有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

• 生成的数组为随机值
• numpy.zeros 以0填充数组
• numpy.ones 以1填充数组

numpy.asarray(a, dtype = None, order = None)

a 可以填参数 （可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组），其他参数同上

数组操作

• reshape 不改变数据的情况下修改形状
• flat 数组元素迭代器
• flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原数组
• ravel 返回展开数组

reshape函数可以在不改变数据的条件下修改形状

numpy.reshape(arr,newshape,order='C')

• arr 要修改形状的数组
• newshape 整数或者整数数组，新的形状应当兼容原有形状
• order C --按行 F --案列 A --原顺序 K– 元素在内存中出现的顺序

 numpy.ravel(a, order='C')

展平数组，修改会影响原数组，接收两个参数：

• a 操作的数组
• order 排序

a.ravel（order=‘C’）等同于上面

numpy.split(ary, indices_or_sections, axis)

numpy.split 函数沿特定的轴将数组分割为子数组

• ary 被分割的数组
• indices_or_sections 如果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置（左开右闭）
• axis 沿着哪个维度切开，默认为0，横向切分。为1时，纵向切分