Python数据科学库（三）Numpy

最新推荐文章于 2021-12-09 23:16:29 发布

why737401

最新推荐文章于 2021-12-09 23:16:29 发布

阅读量308

点赞数

分类专栏： Python数据科学库文章标签： python javascript

本文链接：https://blog.csdn.net/why737401/article/details/120623032

版权

本文介绍了Python数据科学库Numpy的核心概念，包括Numpy的数组对象ndarray、多维数组创建方法、数组索引切片以及ufunc函数。通过示例展示了如何创建、操作和计算Numpy数组，强调了Numpy在数值计算中的高效性能。

摘要由CSDN通过智能技术生成

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

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。

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：

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

关注

专栏目录