python＞＞numpy包

章节内容

        什么是NumPy模块和NumPy数组

        创建数组

        基本数据类型

        数据可视化

        索引和切片

        副本和视图

目录

什么是NumPy模块和NumPy数组？

创建数组

基本数据类型

数据可视化

索引和切片

副本和视图

---

什么是NumPy模块和NumPy数组？

NumPy数组

python对象	高级数字对象：整数、浮点数 容器：列表，字典，元组
NumPy提供：	继承了python中的列表（List）容器中的优良特性 丰富的函数，便于提高计算效率，提高代码简洁新 专业为科学计算而设计 也成为面向数组，矩阵（多维数组）的计算

计算效率大幅度提高

每个循环 178 μs ± 3.98 μs（7 次运行，每次 10，000 次循环）。

NumPy 参考文档

•  一个外国的文档：NumPy Documentation
• 怎么查询一个numpy中的关键词

  

• 交互式的帮助

  

 创建数组

利用arange手动构建数组

 

利用linspace创建数组

 

 用特殊的方法创建特殊数组

• 利用zeros（n）创建一个n个元素的数组

• 利用zeros((n,m))创建多维数组

  

• 利用eye((n,m))创建多维数组

  

• 利用diag((n,m))创建多维数组(方阵)

  

 基本数据类型

复数类型:	d = np.array([1+2j, 3+4j, 5+6*1j])  d.dtypedtype('complex128')
布尔数据类型:	e = np.array([True, False, False, True]) e.dtypedtype('bool')
字符串类型:	f = np.array(['Bonjour', 'Hello', 'Hallo']) f.dtype # <--- strings containing max. 7 letters dtype('S7')
更多:	int32 int64 uint32 uint64

数据可视化

• 导入包

import matplotlib.pyplot as plt

• 数据的输入

x = np.linspace(0,3,20)
y = np.linspace(0,8,20)

• 绘制图形

plt.plot(x,y)

•  一个有趣的实验

image = np.random.rand(30,30)
plt.imshow(image,plt.cm.hot)

 索引和切片

创建一个数组之后，因为numpy几乎继承了python中的list容器中所有特性，其切片和list容器的切片操作类似，这里就不展开了，直接用图来展示。

 副本和视图

我们创建一个切片之后，得到的numpy数组和原来的数组是共享同一块内存空间，所以修改任意一个numpy数组中的数据，另外的一个numpy数组也会被修改。

• 调用np.map_share_memory(a,b),可以查看两个数组是否共用一个内存空间

a = np.arange(10)
>>> aarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> b = a[::2]

>>> b

array([0, 2, 4, 6, 8])

>>> np.may_share_memory(a, b)

True

• 如果不想共享同一块内存空间

a = np.arange(10)
>>> c = a[::2].copy()  
c[0] = 0
>>> np.may_share_memory(a, c)
False