NumPy的数组对象：ndarray

最新推荐文章于 2024-06-19 16:44:05 发布

wd记

最新推荐文章于 2024-06-19 16:44:05 发布

阅读量1.9k

点赞数 2

分类专栏： NumPy库入门文章标签： numpy

本文链接：https://blog.csdn.net/weixin_57515092/article/details/129171442

版权

本文详细介绍了NumPy中的核心对象ndarray，包括其介绍、属性、元素类型以及创建和变换方法。从Python列表、元组创建数组，使用NumPy函数如arange、ones、zeros等创建特定形状的数组，并探讨了数组的reshape、resize、swapaxes等变换操作。

摘要由CSDN通过智能技术生成

5：计算a²+b²例子，其中a和b都是一维数组

1：从Python中的列表、元组等类型创建ndarray数组

a：从列表类型创建

b：从元组类型创建

c：从列表和元组混合类型创建

2：使用NumPy中函数创建ndarray数组

3：从字节流（raw bytes）中创建ndarray数组

4：从文件中读取特定格式，创建ndarray数组

一：前言

1：数据的维度

维度：一组数据的组织形式

列表和数组：一组数据的有序结构

区别：组成列表的各元素的数据类型可以不同，而组成数组的各元素的数据类型得相同。

多维数据：由一维或或二维数据在新维度上扩展形成

高维数据：仅利用最基本的二元关系展示数据之间的复杂结构

2：数据维度的Python表示

一维数据：列表（元素有序）和集合（元素无序）类型

二维数据：列表类型

多维数据：列表类型

高维数据：字典类型或数据表示格式（JSON、XML和YAML格式）

3：NumPy的介绍

NumPy是一个开源的Python科学计算基础库，其拥有：

一个强大的N维数组对象ndarray
广播功能函数
整合C/C++/Fortran代码的工具
线性代数、傅里叶变换、随机数生成等功能

NumPy是SciPy、Pandas等数据处理或科学计算库的基础

4：NumPy的引用

import numpy as np

尽管别名可以省略或更改，但建议使用上述约定的别名，将来工作中会更方便。

以下皆以np为NumPy别名

5：计算a²+b²例子，其中a和b都是一维数组

传统方法：

a=[1,2,3]
b=[2,3,4]
c=[]
for i in range(len(a)):
    c.append(a[i]**2+b[i]**2)
print(c)

调用NumPy库来定义数组方法：

import numpy as np
a=np.array([1,2,3])
b=np.array([2,3,4])
c=a**2+b**2
print(c)

结果都是：

[5,13,25]

二：N维数组对象：ndarray

1：ndarray介绍

ndarray是一个多维数组对象，由两部分组成：

实际的数据
描述这些数据的元数据（数据维度、数据类型等）

ndarray一般要求所有元素类型相同（同质），数组下标从0开始

np.array()        生成一个ndarray数组

ndarray        在程序中的别名是：array

np.array()        输出成[]形式，元素由空格分割。

轴（axis）：保存数据的维度

秩（rank）：轴的数量

ndarray数组可以由非同质对象构成

非同质ndarray元素为对象类型

非同质ndarray对象无法有效发挥NumPy优势，尽量避免使用

示例：

2：ndarry对象的属性

属性	说明
.ndim	秩，即轴的数量或维度的数量
.shape	ndarray对象的尺度，对于矩阵，n行m列
.size	ndarray对象元素的个数，相当于.shape中n*m的值
.dtyoe	ndarry对象的元素类型
.itemsize	ndarry对象中每个元素的大小，以字节为单位