Numpy基本属性介绍
目录
- numpy介绍
- 常用基本属性
numpy介绍
NumPy(Numerical Python)是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix)),支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
使用numpy的原因:
- numpy支持大量的数据运算
- 集成了C/C++和Fortran代码
- 众多的机器学习框架的基础(Pandas/scikit-learn/Tensorflow)
- 机器学习中大量的数据运算,numpy的运算速度更快
其中,numpy有以下优点:
- 内存分布连续
- 实现并行化的运算
- 没有GIL锁(能使python程序更加高效地运行)
Numpy提供的数据类型:ndarray
了解更多:numpy介绍
numpy基本属性
- 形状 shape
- 维度 ndmi
- 元素个数 size
- 数组大小 nbytes
- 数据类型 dtype
- 元素大小 itemsize
代码示例如下:
import numpy as np # 导入numpy
# create an array for 2 demision
a = np.array([[1, 2, 3], [1, 2, 3]])
# 获取数组行列数目(shape)、维度、元素数量、一个数组元素的长度(字节方式)、数组总长度
print(a.shape) # 获取数组形状(shape)
print(a.ndim) # 维度
print(a.size) # 元素数量
print(a.itemsize) # 一个数组元素的长度(字节方式)
print(a.nbytes) # 数组总长度
输出结果如下:
(2, 3) #形状
2 #维度
6 #元素数量
4 #每个数组元素长度
24 #数组总长(6*4)
维度
对于一个numpy数组来说,存在不同的维度
以下是一些维度的示例:
- 0维:65
- 1维:[1,5,45,6,7]
- 2维:[[1,2,3],[1,5,7]]
- 3维:[[[1,2],[1,4]],[[2,6],[3,8]]]
可以和空间坐标进行类比以进行简单理解:0维是一个点(65);1维是由0维组成,一条线段([1,5,45,6,7]);2维由1维组成,一个平面([[1,2,3],[1,5,7]])…