Python之Numpy库的简单介绍（一）

Python之Numpy库的简单介绍（一）

Numpy库是一个优秀的开源科学计算库，下面是一些基础的、对数组进行的操作。

在想要应用Numpy库之前，记得添加如下语句。as的作用就相当于一个赋值操作，np就作为numpy的对象

import numpy as np  # 这样就可以用np调用numpy库的函数，np相当于一个别名

import numpy  # 或者直接使用numpy

1. array，其功能就是创建数组

vector = np.array([1,2,3,4,5])  # 创建一维数组

matrix = np.array([[1,2],[3,4],[5,6]])  # 创建一个3x2的数组，二维数组

cube = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])  # 创建一个2x2x3的三维数组

对于cube这个三维数组，理解起来可以将其比作一个长方体（矩体），将这个长方体分成两层，三行，两列。由于三维数组在不同的研究方向有不同的意思，有些我自己也不太懂。
array还有一些元素，可以对创建的数组进行设置：

a = np.array([1,2,3,4,5,6], dtype='int32' ，order='C')
# dtype的默认值是能够让数组存在于这个序列中的最小类型，比如说一个由整型和浮点型的数组，dtype值为float32/float64，order常用的可选项为C和F，C是行优先，F是列优先
a.ndim  # 可以得到a数组的维度
a.T  # 得到a的转置
a.itemsize  # 得到每个元素的类型大小（字节）
a.nbytes  # 得到整个数组的大小（字节）
a.shape  # 得到a数组的形状，元组表示
a.size  # 得到a数组的元素个数
a.reshape(2,3)  # 得到一个2x3的数组，转换数组的形状
a.min()  # 求最小值
a.max()  # 求最大值

2. arange，其功能是创建一个给定范围的数组

np.arange(12)  # 创建一个大小为12的数组，并且元素值从0-11

np.arange(3, 9, 1, dtype='int32')  # 创建一个从3开始到9（不包括9），跨度为1的数组，其打印出来的结果就是[3,4,5,6,7,8]

3. ndarray，其功能是创建多维数组

a=np.ndarray(shape=(3,4),dtype=int,buffer=np.arange(15).reshape(3,5))
# 第一个shape是你想要创建数组的样式，值为一个元组，buffer是你可以指定的一个数组，但是必须要比创建的样式大，buffer的作用是你可以创建一个根据已有值的新的数组，不设置buffer，则赋随机值
np.ndarray((2,),buffer=np.array([1,2,3]),offset=np.int_().itemsize,dtype=int)
# offset表示偏移量，np.int_().itemsize，itemsize的意思就是计算字节大小，np.int_()表示的是int32这一类型，int32类型占4个字节，那他们结合起来的意思就是，offset=4byte，跳过第一个元素。

4. zeros，创建0元素数组（ones）

np.zeros(shape=(3,4,5))  # 元素值均为0

np.ones(shape=(3,4,5))  # 元素值均为1

5. hstack、vstack、hsplit、vsplit、tile、dot、sum的使用，实际效果可以用本地IDE调试

np.hstack(array1,array2)  # 水平拼接
np.vstack(array1,array2)  # 垂直拼接
np.hsplit(array1, 2)  # 将array1水平分割成两个单独的数组
np.vsplit(array1, 2)  # 将array1垂直分割
np.tile(array, (2, 2))  # 行数增加2倍，列数增加2倍
np.dot(array1,array2)  # 矩阵乘法

matrix = np.array([[1,3,4],[2,24,5],[4,6,7]])
matrix.sum(axis = 1)  # axis=1时把数组中的元素按列相加，axis=0时把数组按行相加

6. concatenate的使用

a = np.array([[1,2,3],[4,5,6]])
b = np.array([[4,5,6],[7,8,9]])
np.concatenate((a,b),axis=0)  # axis=0时，垂直合并 axis=1时，水平合并

今天先写到这里吧，适用于像我这样的新手，是一些很简单的操作，最主要是了解原理！