NumPy-快速处理数据

最新推荐文章于 2024-07-24 23:27:06 发布

杨丙的博客

最新推荐文章于 2024-07-24 23:27:06 发布

阅读量2.4k

点赞数 2

本文链接：https://blog.csdn.net/y_bing/article/details/81293494

版权

NumPy是Python中用于快速处理数据的库，主要包含ndarray对象和ufunc函数。ndarray支持多维数组，提供创建、存取元素、多维操作等功能，内存结构紧凑。ufunc则是对数组元素执行运算的函数，如sin、add等，支持广播和矩阵运算。通过ufunc的reduce、accumulate和reduceat方法，可以进行高效的数据处理。

摘要由CSDN通过智能技术生成

NumPy-快速处理数据

标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。
此外Python还提供了一个array模块，array对象和列表不同，它直接保存数值，和C语言的一维数组比较类似。但是由于它不支持多维，也没有各种运算函数，因此也不适合做数值运算。
NumPy的诞生弥补了这些不足，NumPy提供了两种基本的对象：ndarray和ufunc。ndarray是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。

一、ndarray对象

函数库的导入

import numpy as np

1、创建

首先需要创建数组才能对其进行其它操作。
我们可以通过给array函数传递Python的序列对象创建数组，如果传递的是多层嵌套的序列，将创建多维数组(下例中的变量c):
这里写图片描述

数组的大小可以通过其shape属性获得：
这里写图片描述
数组a的shape只有一个元素，因此它是一维数组。而数组c的shape有两个元素，因此它是二维数组，其中第0轴的长度为3，第1轴的长度为4。还可以通过修改数组的shape属性，在保持数组元素个数不变的情况下，改变数组每个轴的长度。下面的例子将数组c的shape改为(4,3)，注意从(3,4)改为(4,3)并不是对数组进行转置，而只是改变每个轴的大小，数组元素在内存中的位置并没有改变：
这里写图片描述
当某个轴的元素为-1时，将根据数组元素的个数自动计算此轴的长度，因此下面的程序将数组c的shape改为了(2,6)：

使用数组的reshape方法，可以创建一