Numpy 库入门
数据的维度
一维数据
:列表(数据类型可以不同)、数组(数据类型相同)
二维数据
:表格是典型的二维数据
多维数据
:由一维或二维数据在新维度上扩展形成
高维数据
:利用最基本的二元关系展示数据间的复杂结构(字典、JSON、XML和YAML格式)
{
"firstName":'Tian',
"lastName":'Song',
"address":{
"streetAddr":"中关村南大街5号"
"city":"北京市",
"zipcode":"100081"
},
"prof":['Computer System',"Security"]
}
Numpy 的数组对象(nparray)
def Sum():
a = [0,1,2,3,4]
b = [9,8,7,6,5]
c = []
for i in range(len(a)):
c.append(a[i]**2+b[i]**2)
return c
print(Sum())
import numpy as np
def Sum():
a = np.array([0,1,2,3,4])
b = np.array([9,8,7,6,5])
c = a**2+b**2
return c
print(Sum())
- 数组对象可以去掉元素间运算所需的循环,使一维向量更像单个数据
- 设置专门的数组对象,经过优化,可以提升这类应用的运算速度
- 数组对象采用相同的数据类型,有助于节省运算和存储时间
ndarray 对象的属性
属性 | 说明 |
---|---|
.ndim | 秩,即轴的数量或维度的数量 |
.shape | ndarray对象的尺度,对于矩阵,n行m列 |
.size | ndarray对象的个数,相当于.shape中 n ∗ m n*m n∗m的值 |
.dtype | ndarray对象的的烈性 |
.itemsize | ndarray对象中每个元素的大小,以字节为单位 |
ndarray 数组的创建方法
- 以
列表、元祖或混合类型
创建
np.array(list/tuple,dtype = np.float32)
x = np.array