一个小时完成numpy入门（一）

本文旨在使Python初学者对numpy包有一个基本的了解，能够使用numpy包中的函数进行基本操作，了解各个函数所需要的参数和对应的功能，能够利用numpy解决一些实际问题。下面开始我们的学习

numpy是什么

numpy是Python的一个包，它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。numpy包含两种基本的数据类型，数组和矩阵。

numpy中的ndarray对象

基本的ndarray对象是通过numpy中的数组函数创建的

numpy.array()

这个函数的参数如下所示

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

• object 函数处理的对象
• dtype 数组的数据类型，int，float，complex等
• copy 可选，默认为true，对象是否被复制。
• order C（按行）、F（按列）或A（任意，默认）。
• subok 默认情况下，返回的数组被强制为基类数组。 如果为true，则返回子类。
• ndmin 指定返回数组的最小维数。
  下面通过几个例子来解释：

例一

import numpy as np
a=np.array([1,2,3])
print(a)
#输出为[1,2,3]

例二

import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a)
#输出为[[1 2 3]
#      [4 5 6]]

例三

import numpy as np
a=np.array([1,2,3,4],ndmin=2)
print(a)
#输出为[[1 2 3 4]]

例四

import numpy as np
a=np.array([1,2,3,4],dtype=np.float)
print(a)
#输出为[1. 2. 3. 4.]

numpy的数据类型

数据类型	解释
bool	存储为一个字节的布尔值（真或假）
int	默认整数，相当于 C 的long，通常为int32或int64
intc	相当于 C 的int，通常为int32或int64
intp	用于索引的整数，相当于 C 的size_t通常为int32或int64
int8	字节（-128 ~ 127）
int16	16 位整数（-32768 ~ 32767）
int32	32 位整数（-2147483648 ~ 2147483647）
int64	64 位整数（-9223372036854775808 ~ 9223372036854775807）
uint8	8 位无符号整数（0 ~ 255）
uint16	16 位无符号整数（0 ~ 65535）
uint32	32 位无符号整数（0 ~ 4294967295）
uint64	64 位无符号整数（0 ~ 18446744073709551615）
float	float64的简写
float16	半精度浮点：符号位，5 位指数，10 位尾数
float32	单精度浮点：符号位，8 位指数，23 位尾数
float64	双精度浮点：符号位，11 位指数，52 位尾数
complex	complex128的简写
complex64	复数，由两个 32 位浮点表示（实部和虚部）
complex128	复数，由两个 64 位浮点表示（实部和虚部）

数据类型对象dtype

dtype由以下语法构造

numpy.dtype（object, align, copy）

• object：被操作的对象
• align：如果为true，则向字段添加间隔，使其类似 C 的结构体。
• copy ： 生成dtype对象的新副本，如果为flase，结果是内建数据类型对象的引用。

例一

import numpy as np
a=np.dtype(np.int32)
print(a)
#输出为int32

int8,int16,int32,int64分别等同于字符串‘i1’,‘i2’,‘i4’,‘i8’

例二

import numpy as np
a=np.dtype('i8')
print(a)
#输出为int64

例三

接下来是结构化数据类型

import numpy as np
a=np.dtype([('score',np.int8)])
print(a)
#输出为[('score', 'i1')]

例四

import numpy as np
student=np.dtype([('name','S10'),('age',np.int8),('score',np.float)])
a=np.array([('duning',19,98.5),('muss',20,97.5)],dtype=student)
print(a)
输出为[(b'duning', 19, 98.5) (b'muss', 20, 97.5)]

每个数据类型都有唯一的字符代码：

• ‘b’：布尔值
• ‘i’：符号整数
• ‘u’：无符号整数
• ‘f’：浮点
• ‘c’：复数浮点
• ‘m’：时间间隔
• ‘M’：日期时间
• ‘O’：Python 对象
• ‘S’, ‘a’：字节串
• ‘U’：Unicode
• ‘V’：原始数据（void）

numpy的数组属性

这一目题将介绍numpy中与数组属性有关的部分函数

ndarry.shape

这一数组属性将返回数组的形状

例1

import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a.shape)
#输出为（2,3）

即该数组2行3列

例2

利用ndarry.shape也可以强行改变数组的形状

import numpy as np
a=np.array([[1,2,3],[4,5,6]])
a.shape=(3,2)
print(a)
'''
输出为
[[1 2]
 [3 4]
 [5 6]]
 数组已经被强行由2行3列变为3行2列
'''

例3

利用ndarry.reshape函数也可以改变数组形状

import numpy as np
a=np.array([[1,2,3],[4,5,6]])
b=a.reshape(3,2)
print(b)
'''
输出为
[[1 2]
 [3 4]
 [5 6]]
 '''

例四

import numpy as np
a=np.arange(24)
b=a.reshape(2,4,3)
print(b)
输出为
'''
[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]
  [ 9 10 11]]

 [[12 13 14]
  [15 16 17]
  [18 19 20]
  [21 22 23]]]
'''

ndarry.ndim

该数组属性返回数组的维度

import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a.ndim)
#输出为2，因为这是个二维数组

numpy.itemsize

该数组属性返回数组中每个元素的字节单位长度

例一

import numpy as np
a=np.array([1,2,3,4,5],dtype=np.int8)
print(a.itemsize)
#输出为1（int8字节长为1）

例二

import numpy as np
a=np.array([1,2,3,4,5],dtype=np.float32)
print(a.itemsize)
#输出为4（float32字节长为4）

numpy.flags

ndarry对象有以下属性，ndarry.flags属性返回它们的当前值

• C_CONTIGUOUS © 数组位于单一的、C 风格的连续区段内
• F_CONTIGUOUS (F) 数组位于单一的、Fortran 风格的连续区段内
• OWNDATA (O) 数组的内存从其它对象处借用
• WRITEABLE (W) 数据区域可写入。 将它设置为flase会锁定数据，使其只读
• ALIGNED (A) 数据和任何元素会为硬件适当对齐
• UPDATEIFCOPY (U) 这个数组是另一数组的副本。当这个数组释放时，源数组会由这个数组中的元素更新

例

import numpy as np
a=np.array([1,2,3,4,5],dtype=np.float32)
print(a.flags)
'''
输出为
C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False
'''

第一课暂时就介绍到这里，本文会持续更新知道更新完。

吾心所向，即为远方