提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
NumPy提供了两种基本的对象
ndarray:是储存单一数据类型的多维数组;
ufunc:是一种能够对数组进行处理的函数。
Numpy常用的导入格式:
import numpy as np
提示:以下是本篇文章正文内容,下面案例可供参考
一、array是什么?
通过NumPy库的array函数可以创建adarray数组。通常来说,ndarray是一个通用的同构数据容器,即其中的所有元素都需要相同的类型。NumPy库能将数据(列表,元组,数组或其他序列类型)转换为ndarray数组。
二、使用步骤
1.使用array函数创建数组对象
array函数的格式:
np.array(object,dtype,ndmin)
object:接收array,表示想要创建的数组。
dtype:接收data-type,表示数组所需的数据类型,未给定则选择保存的对象所需的最小类型,默认为None。
ndmin: 接收int ,指定生成数组应该具有的最小维数,默认为None。
代码如下(示例):
2.创建ndarray数组
代码如下(示例):
import numpy as np
data1 = [1,3,5,7] #列表
w1 = np.array(data1)
print('w1:',w1)
data2 = (2,4,6,8)
w2 = np.array(data2)
print('w2:',w2)
data3 = [[1,2,3,4],[5,6,7,8]]
w3 = np.array(data3)
print('w3:',w3)
结果:
w1:[1,3,5,7]
w2:[2,4,6,8]
w3:[[1,2,3,4]
[5,6,7,8]]
dtype :作用用来定义数组的类型。
实例:
import numpy as np
w1 = np.array([1,2,3,4],dtype = 'float64')
print(w1.dtype)
print(w1)
结果:
float64
[1. 2. 3. 4.]
3.NumPy专门创建数组的函数
- arange函数:用与类似Python的内置函数range,但arange主要是用来创建数组的。
用法:
arange函数可以通过指定起始位置、终值和步长创建一维数组,创建的数组不包含终值。
warray = np.arange(10)
print(warray) #结果 : [0 1 2 3 4 5 6 7 8 9]
- linspace函数
当arange参数是浮点型时,由于浮点型精度有限,通常不可能去预测获得元素的数量。linspace很好的解决了这个问题,linspace函数默认包含终值。
warray = np.linspace(0,1,5)
print(warray) #结果 : [0. 0.25 0.5 0.75 1.]
-
logspace函数:logspace函数和linspace函数类似,不同点是它所创建的是等比数列。
-
zeros函数 :zeros函数可以创建指定长度或者形状的全0数组
-
ones函数:one函数可以创建指定长度或形状的全1数组
-
diag函数: diag函数可以创建对角矩阵。对角线为0或指定数值,其他元素为0.
print(np.diag([1,2,3,4]))
结果:
[[1 0 0 0]
[0 2 0 0]
[0 0 3 0]
[0 0 0 4]]
- eye函数可以创建一条对角线为1、其他位置全为0的矩阵。
print(np.eye(2))
结果:
[[1 0]
[0 1]]
4.ndaarray对象属性和数据转换
NumPy创建ndarray对象属性主要有属性
属性 | 说明 |
---|---|
ndim | 秩,即数据轴的个数 |
shape | 数组的维度 |
size | 数组元素个数 |
dtype | 数据类型 |
itemsize | 数组中每个元素的字节大小 |