NumPy---一个基于Python开发的基础科学计算库

NumPy的核心是一个功能强大的N维数组的对象，同时包含一些关于线性代数、傅里叶变换和随机数相关的方法

数组

习惯上用np作为NumPy的别名

导入NumPy库

import numpy as np

np.zeros

zeros函数用于创建一个由‘0’填充的数组

 通过修改zeros函数的参数，也可以很容易的创建出2维或者多维的矩阵，例如

 

在NumPy中，数组的每一个维度被称为 轴。轴的数量被称为数组的 秩

例如，下面的3*4矩阵中数组的秩是2（二维）。

 数组的第一个轴的长度是3， 第二个轴的长度是4.由数组每个轴的长度构成的列表叫做数组的形状。例如，上述矩阵的形状是(3,4)

 数组的秩和数组形状的长度相等

 数组的大小是指数组中所有元素的个数,是所有轴长度的乘积（eg.3*4=12）

 

N维数组

通过设置参数列表可以创建N维数组，例如通过传递(2, 3, 4)创建一个三维数组

NumPy中数组的类型¶

NumPy中的核心对象是数组，类型为ndarray

 

np.ones 他用于创建ndarray数组的方法

例:创建用数字‘1’填充的矩阵:

 

np.full 创建由指定数值填充的矩阵

 np.eye 创建对角线为1 ，其它位置为零

 

 np.empty 创建未初始化的矩阵，其中数据为内存中原有的随机值

 np.array 通过array方法可以使用已有的Python数组（列表）创建ndarray数组

np.arange NumPy的arange方法可以返回一个ndarray数组，功能类似Python的内建range函数

 浮点数支持

 步长操作支持

 

 在处理浮点数时，由于浮点数精度问题，构建出的数组大小有时候会不确定，例如

 

np.linspace

由于上述因素，所以在构建浮点数组成的数组时通常使用linspace方法取代arange方法。 linspace方法会返回一个数组，数组包含在两个数值之间均匀分布的特定数量的数值：

 

np.rand and np.randn¶

NumPy中有多个用于创建有随机数构成的数组的函数。例如下面代码使用rand创建一个3*4矩阵，矩阵的每个值是0~1的随机数（浮点数）

randn方法可以创建一个期望是0方差是1的符合正态分布（高斯分布）的数组。

np.fromfunction 使用函数初始化数组

 

 

 

 

数据属性 dtype

NumPy中ndarray对象工作效率高的部分原因是因为ndarray中只包含同种类型的数据（数字类型），通过dtype属性可以查看ndarray对象中数据的类型

 

 

NumPy可以自动识别数据类型，也可以手动设置数据类型。

NumPy中可用的数据集类型包括： int8, int16, int32, int64, uint8|16|32|64, float16|32|64 and complex64|128

 

 itemsize itemsize属性返回一字节为单位的元素长度

 

改变数组的形状

Changing the shape of an ndarray is as simple as setting its shape attribute. However, the array's size must remain the same. 在保证数组大小不变的前提下，可以修改数组的shape。通过修改shape属性可以直接修改数组的形状（原处修改）

 

 

 

reshape

reshape方法返回一个新的ndarray对象，但是数据属性与元对象共用。通过新的ndarray对象修改数据内容会影响原对象

 

 

 ravel ravel函数返回一个新的一维数组，数据与原数组共用

 一些NumPy练习题

1.生成一个 3x3 的对角矩阵。

 2.创建一个长度为10的数组，值为0~1之间，不包含首尾。

3.创建一个值从30到50，步长为-2的数组

 

 4.创建一个四边为1，中间为0的二维数组

 5.给定一个6*7*8的三维矩阵，求100个元素的索引是什么

 6.如何交换二维数组中的两列

 

算术运算符

ndarray对象支持常规的算数运算符（+、-、、/、//、* 等）

 

上述乘法并不是矩阵相乘，而是对应位置的元素的乘积。矩阵乘法后面会介绍。

进行运算的两个数据必须具有相同的shape，否则NumPy会启动广播规则进行运算

广播规则内容将在下一期发布，欢迎大家来指正学习。