numpy.version # 查看电脑的numpy版本
如果想要更新Numpy
至最新版本,我使用的方法是在Anaconda
里面找到相应的要更新的模块,
import numpy as np
创建别名的好处,使得在使用的时候更加快速的引用它
例:
注:补充知识(%%time %time %timeit)
%%time 将会给出cell(一个单元格里面所运行的内容)的代码运行一次所花费的时间。
%time 将会给出当前行的代码运行一次所花费的时间。
%timeit 使用Python的timeit模块,它将会执行一个语句100,000次(默认情况下),然后给出运行最快3次的平均值。
ls=range(100000)
ls
补充知识:
"_"
是一个循环标志,类似于普通变量,只是不取值,只循环,这个"_"
其实就是一个占位符,和用普通变量i
但是不使用i
是一样的效果。
%%time
ls=list(range(100000))
for _ in range(10):
mylist=[x * 2 for x in ls] # 列表解析式
将上面的代码使用numpy
:
import numpy as np
arr=np.arange(100000)
arr
%%time
arr=np.arange(100000)
for _ in range(10):
myarr=arr*2 # 列表解析式
由上述两端代码运行的时间可知:numpy
进行数组的创建计算的效率高于list
====================================================================
数组类型:一维数组,二维数组,多维数组
创建方法
-
np.array() list或者tuple
-
np.arange() np.inspace()
-
np.ones() np.zeors() np.eye() np.random.random()
把列表和元组转换成为数组:
l1=[1,2,3,4,5,6]
l2=(6,5,4,3,2,1)
arrl1=np.array(l1)
arrl2=np.array(l2)
print(arrl1)
print(arrl2)
很清楚的看到区别,使用了 np.array()
之后,数据之间的逗号会消失。
以下是以浮点型为例子探讨数组的一些属性。
当数组定义好之后,本身带有的一些常用属性:
| 属性 | 解释 |
| — | — |
| arr.ndim | 返回的是数组的维度,返回的只有一个数,该数即表示数组的维度。 |
| type(arr) | 返回数据类型。 |
| arr.shape | 表示各位维度大小的元组。返回的是一个元组。 |
| len(arr) | 返回数组长度。 |
| arr.size | 返回元素个数。 |
| arr.itemsize | 返回元素的大小,元素的大小是根据数据的类型来定义的。 |
| arr.strides | 返回元素的跨度,跨度指两个元素之间要跨过的字节数。 |
| arr.dtype | 一个用于说明数组数据类型的对象,返回的是该数组的数据类型。 |
l3=[1.1,3.0,5.1,9.7,4.5]
arr=np.array(l3)
print(‘数据类型:’,type(arr))
print(‘轴(维度):’,arr.ndim)
print(‘数组长度:’,len(arr))
print(‘元素个数:’,arr.size)
print(‘形状:’,arr.shape) #元组后面必须要加逗号
print(‘元素的大小:’,arr.itemsize)
print(‘元素类型:’,arr.dtype)
print(‘跨度:’,arr.strides)
如果是整形的数组:
数组也可以是字符串类型或者混合类型:
np.arange():
元素的间隔是固定的
函数返回一个有终点和起点的固定步长的排列,如[1,2,3,4,5],起点是1,终点是5,步长为1。
参数个数情况: np.arange()
函数分为一个参数,两个参数,三个参数三种情况
-
一个参数时,参数值为终点,起点取默认值0,步长取默认值1。
-
两个参数时,第一个参数为起点,第二个参数为终点,步长取默认值1。
-
三个参数时,第一个参数为起点,第二个参数为终点,第三个参数为步长,其中步长支持小数。
np.arange(8)
print(np.arange(2,8,2))
np.arange(2,8,2)
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
-
start
,开始的数字 -
stop
,结束的数字 -
num
,返回的数量 -
endpoint
,一个bool型变量 -
retstep
,一个bool型,True的话输出之间公差 -
dtype
,数据类型,类型有很多例如:np.bool…,可以自己指定
将2~8之间进行50等分:
np.linspace(2,8)
len(np.linspace(2,8))
np.linspace(2,8,4)
做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。
(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数初中级Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频
如果你觉得这些内容对你有帮助,可以添加下面V无偿领取!(备注:python)
d.png)
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数初中级Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频
如果你觉得这些内容对你有帮助,可以添加下面V无偿领取!(备注:python)
[外链图片转存中…(img-sYGyZwdV-1710973221614)]