Python中Numpy模块的使用（python numpy模块）

Python中Numpy模块的使用（python numpy模块）

目录

​​NumPy​​

​​ndarray对象​​

​​Numpy数据类型​​

​​Numpy数组属性​​

NumPy

NumPy(Numerical Python) 是 Python 的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Nupmy可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

一个强大的 N 维数组对象 ndarray广播功能函数整合 C/C++/Fortran 代码的工具线性代数、傅里叶变换、随机数生成等功能

ndarray对象

NumPy 最重要的一个对象是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，可以使用基于 0 的索引访问集合中的项目。

ndarray 对象是用于存放同类型元素的多维数组。ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)

numpy.array( object ,  dtype = None , ndmin = 0 ,copy = True , order = None ,  subok = False )

一般只有 object 、dtype和 ndmin 参数常用，其他参数不常用

import numpya=numpy.array([1,2,3]) #一维b=numpy.array([[1,2,3],[4,5,6]]) #二维c=numpy.array([1,2,3],dtype=complex) #元素类型为复数d=numpy.array([1,2,3],ndmin=2) #二维print(a,type(a))print(b,type(b))print(c,type(c))print(d,type(d))####################################[1 2 3] [[1 2 3] [4 5 6]] [1.+0.j 2.+0.j 3.+0.j]

​​Numpy数据类型​​

Numpy数组属性

NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。

在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

ndarray 对象属性有：

常见的属性有下面几种 ：

ndarray.shape ：  这一数组属性返回一个包含数组纬度的元组，它也可以用于调整数组大小

import numpy as npa=np.array([[1,2,3],[4,5,6]])print(a.shape) #打印shape属性a.shape=(3,2) #修改shape属性print(a)#######################################(2, 3)[[1 2] [3 4] [5 6]]

ndarray.ndim： 这一数组属性返回数组的维数

import numpy as npa=np.arange(24) #np.arange返回0-23的列表类型的数据print(a.ndim)b=a.reshape(2,3,4)print(b)print(b.ndim)############################1[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]]3

ndarray.itemsize

import numpy as npa=np.array([1,2,3]) #默认是四个字节print(a.itemsize)#########################################4

相关文章：​​NumPy教程​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。