Python之Numpy的超实用基础详细教程

　　

Numpy在python中属于非常常用的包,无论是机器学习搭配大熊猫,还是数据可视化搭配pylab都是很正常的搭配。

　　


　　

　　

numpy的官方中文文档:numpy中文

　　

NumPy是使用Python进行科学计算的基础软件包。除其他外,它包括:

　　
    　　<李>功能强大的N维数组对象,李 　　<李>精密广播功能函数;李 　　<李>集成C/c++和Fortran代码的工具,李 　　<李>强大的线性代数,傅立叶变换和随机数功能。 　　
　　

更简单的说,Numpy是Python的Matlab数学计算包。使用它,Python可以更简单便捷地对矩阵向量进行计算。

　　

一般来说,我们引用该包并将其简称为np:

　　 　　 　　进口numpy np 　　 　　

<强>
　　

　　

<强> ndarray的创建
　　

　　

Numpy中最重要的数据类型就是:N维数组对象ndarray。它是一系列同类型数据的集合,以0下标为开始进行集合中元素的索引。

　　

它具有以下两个特点:

　　
    　　<李> ndarray对象是用于存放同类型元素的多维数组;李 　　<李> ndarray中的每个元素在内存中都有相同存储大小的区域。 　　
　　

创建一个ndarray对象:

　　 　　 　　np。阵列(对象、dtype=没有复制=True,订单=None, subok=False, ndmin=0) 　　 　　

参数说明:

　　

　　 　　 　　 　　名称 　　描述 　　 　　 　　 　　 　　对象 　　数组或嵌套的数列 　　 　　 　　dtype 　　数组元素的数据类型,可选 　　 　　 　　复制 　　对象是否需要复制,可选 　　 　　 　　订单 　　创建数组的样式C为行方向,F为列方向,一个为任意方向(默认) 　　 　　 　　subok 　　默认返回一个与基类类型一致的数组 　　 　　 　　ndmin 　　指定生成数组的最小维度 　　 　　 　　 　　

　　

一般而言,并不需要记住这么多可选参数:

　　 　　 　　进口numpy np 　　 　　if __name__==癬_main__”: 　　x=np。阵列([1,2,3]) 　　打印(x) 　　 　　

运行该脚本:

　　
　　

yngzmiao@yngzmiao-virtual-machine: ~/测试python numpy_test美元。py
　　(1 2 3)
　　

　　 　　

当然,除了之前的数组方法创建ndarray对象之外,还提供了另外的几种创建方式:

　　 　　 　　np。空(形状、dtype=浮动顺序=' C ') #指定形状的未初始化数组 　　 　　np。0(形状、dtype=浮动顺序=' C ') #指定形状的全0数组 　　np。的(形状、dtype=没有订单=' C ') #指定形状的全1数组 　　 　　np。不等(=0开始、停止、步骤=1,dtype) #从起始值到终止值(不包含)时,按步长从范围内创建数组 　　 　　np。linspace(启动、停止、num=50,端点=True, retstep=False, dtype=None) #从起始值到终止值(默认包含)创建一个等差数组的一维数组 　　np。logspace(启动、停止、num=50,端点=True,基地=10.0,dtype=None) #从起始值到终止值(默认包含)创建一个等比数组的一维数组 　　之前 　　 　　

Numpy也提供了从python其他类型直接转换成ndarray的方式:

　　 　　 　　np。asarray (dtype=None,订单=None) #列表形式 　　np.frombuffer(缓冲区,dtype=浮动,数=1,抵消=0)#以流的形式读入 　　np.fromiter (iterable, dtype数=1)#从可迭代对象中,以迭代器的形式读入 　　 　　

例如: 　　 　　 　　进口numpy np 　　 　　if __name__==癬_main__”:=[[1,2,3],[4,5]] 　　b=癏ello World” 　　c=iter(范围(5)) 　　 　　x=np.asarray (a) 　　y=np.frombuffer (b, dtype=' S1 ') 　　z=np.fromiter (c, dtype=浮动) 　　 　　打印(x) 　　打印(y) 　　打印(z) 　　 　　

运行该脚本:

　　
　　

yngzmiao@yngzmiao-virtual-machine: ~/测试python numpy_test美元。py
　　(列表([1,2,3])列表((4、5))]
　　[' H ' ' e ' ' l ' ' l ' ' o ' ' ' ' W ' ' o ' ' r ' ' l ' ' d ']
　　[0。1. 2. 3.4.]
　　

　　 　　

<强> ndarray的数据结构
　　

　　

Numpy支持很多的数据类型、下面就简单地列举一下:

　　

　　 　　 　　 　　名称 　　描述 　　 　　 　　 　　 　　bool_ 　　布尔型数据类型(真实或虚假者) 　　 　　 　　int_/int8 int16/int32/int64 　　有符号整数 　　 　　 　　uint8/uint16 uint32/uint64 　　无符号整数 　　 　　 　　float_/float16 float32/float64 　　浮点数 　　 　　 　　complex_/complex64/complex128 　　复数 　　 　　 　　 　　

Python之Numpy的超实用基础详细教程