Python数据科学库(三)Numpy
1.Numpy概述
首先将numpy与已知的数据类型进行比较:
- 列表:列表中保存的是对象的指针,这种结构不适合做数值运算。
- array模块:能直接保存数值,但是不支持多维数组,也没有各种运算函数,不适合做数值运算。
- Numpy:提供ndarray(存储单一数据类型的快速多维数组对象)和ufunc(能对数组进行元素级计算以及直接对数组执行数学运算的特殊函数)对象,还提供了线性计算、傅里叶变换以及随机数生成的功能。
推荐用以下的方式导入numpy库:import numpy as np
2. Numpy的使用
2.1 数组的属性
首先介绍Numpy数组的基本属性:
Numpy数组的维数称为秩,每一个线性的数组称为轴,二维数组可以看成两个一维的数组。
2.2 多维数组及其创建
Numpy库的核心对象是ndarray(多维数组),其中所有的数据类型必须相同。
Numpy提供了一系列函数用于创建数组,其常用的创建机制有以下三种:
- 将列表或者元组等python数据类型转化为数组;
- 利用arrange(),ones(),zeros()等内置方法自动创建数组
- 利用random等函数创建数组
array()函数可以从列表和元组来创建数组:
import numpy as np
a = [1,2,3,4]
b = [5,6,7,8]
print(np.array(a)) # 将列表a转换为一维数组并输出
c = [a,b]
print(np.array(c)) # 列表a,b等长ÿ