探索NumPy库

1.Numpy的引用

import numpy as np (np为引入模块的别名)

2.N维数组对象：ndarray

数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据。

设置专门的数组对象，经过优化，可以提升这类应用的运算速度。

例：计算A^2 + B^3，其中，A和B是一维数组。

传统python语言写法：

 1 def pySum():
 2     a = [0,1,2,3,4]
 3     b = [9,8,7,6,5]
 4     c = []
 5 
 6     for i in range(len(a)):
 7         c.append(a[i]**2 + b[i]**3)
 8 
 9     return c
10 
11 print(pySum())

使用numpy编写：

 1 import numpy as np
 2 
 3 def npSum():
 4     a = np.array([0,1,2,3,4])
 5     b = np.array([9,8,7,6,5])
 6 
 7     c = a**2 + b**3
 8 
 9     return c
10 
11 print(npSum())

ndarray是一个多维数组对象，由两部分组成：

1. 实际的数据
2. 描述这些数据的元数据（数据维度、数据类型）

ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始。

ndarray实例：

ndarray对象的属性

属性　　　　说明

.ndim     　  秩，即轴的数量和维度的数量

.shpe     　  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

.dtype   　   ndarray对象的元素类型

.itemsize     ndarray对象中每个元素的大小，以字节为单位

ndarray案例：

 ndarray的元素类型

数据类型        说明

bool　　　　布尔类型，True或False

intc　　　　 与C语言中的int类型一致，一般是int32或int64

intp　　　　 用于索引的证书，与C语言中ssize_t一致，int32或int64

int18　　　   字节长度的整数，取值：[-128,127]

int16　　　　16位长度的整数，取值[-32768,32767]

int32　　　　32位长度的整数，取值[-2^31,2^31-1]

int64 　　　  64位长度的整数，取值[-2^63,2^63-1]

uint8　　　　8位无符号整数，取值：[0,255]

uint16　　　 16位无符号整数，取值：[0,65535]

uint32　　　 32位无符号整数，取值:[0,2^32-1]

uint64　　　 64位无符号整数，取值：[0,2^64-1]

float16　　    16位半精度浮点数，1位符号位，5位指数，10位尾数

float32　　　32位半精度浮点数，1位符号位，8位指数，23位尾数

float64　　　64位半精度浮点数，1位符号位，11位指数，52位尾数

complex64     复数类型，实部和虚部都是32位浮点数 

complex128   复数类型，实部和虚部都是64位浮点数

对比：Python语法仅支持整数、浮点数和复数3种类型

• 科学计算涉及数据较多，对存储和性能都有较高要求
• 对元素类型精细定义，有助于NumPy合理使用存储空间并优化性能
• 对数据元素精确定义，有助于程序员对程序规模有合理评估

ndarray实例：

ndarray数组可以由非同质对象构成

非同质对象为对象类型

非同质ndarray对象无法有效发挥NumPy优势，尽量避免使用

 3.ndarray数组的创建方法

• 从Python中的列表、元组等类型创建ndarray数组
• 使用NumPy中函数创建ndarray数组，如：arange，ones，zeros等
• 从字节流(raw bytes)中创建ndarray数组
• 从文件中读取特定格式，创建ndarray数组

-----------------------------------------------------------------------------------------------------------------------------

• 从Python中的列表、元组等类型创建ndarray数组

　　x = np.array(list/tuple)

　　x = np.array(list/tuple,dtype=np.float32)   dtype可指定哪个元素的数据类型

当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型

• 使用NumPy中函数创建ndarray数组，如：arange，ones，zeros等

函数     　　　　　　　　说明

np.arange(n)　　　　　类似range函数，返回ndarray函数类型，元素从0到n-1

np.ones(shape)　　　   根据shape生成一个全1数组，shape是元组类型

np.zeros(shape)　　　  根据shape生成一个全0数组，shape是元组类型

np.full(shape,val)　　　根据shape生成一个数组，每个元素值都是val

np.eye(n)　　　　　　 创建一个正方的n*n单位矩阵，对角线为1，其余为0

np.ones_like(a)              根据数组a的形状生成一个全1数组

np.zeros_like(a)　　　  根据数组a的形状生成一个全0数组

np.full_like(a,val)　　     根据数组a的形状生成一个数组，每个元素值都是val

　　使用NumPy中其他函数创建ndarray数组

　　函数　　　　　　说明

　　np.linspace() 　　 根据起止数据等间距地的填充数据，形成数组

　　np.concatenate()   将两个或多个数组合并成一个新的数组