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。