亲宝软件园·资讯

展开

python numpy库

L-M-Y 人气:0

1.NumPy( Numeric Python)

numpy是一个开源的python科学计算扩展库,主要用来处理任意维度数组和矩阵。
相同的任务,使用numpy比直接用python的基本数据结构更加简单高效。

它的功能:

numpyscipy,pandas等数据处理或科学计算库的基础

2.numpy的引用

虽说别名可以省略或者更改,但尽量使用上述约定的别名

3.Ndarray

n维数组,它是一个相同数据类型的集合,以0为下标开始进行集合中元素的索引。
我们知道,python有列表和数组此类的数据结构。

列表:数据类型可以不同(如[3, 2.4 ,‘a’ ,“abc”]),数据是有序的
数组:数据类型相同(如[1,2,3,4])
集合: (如{2,4,3,5,7})数据是无序的

引入n维数组的意义

观察下列两组操作,其功能都是一样的。

import numpy as np

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

def numpysum():
    a = np.array([1, 2, 3, 4])
    b = np.array([5, 6, 7, 8])
    c = a**2+b**3
    return c

print("使用列表运算的结果是:", pysum())
print("使用Numpy运算的结果是:", numpysum())

运行结果:

使用列表运算的结果是: [126, 220, 352, 528]
使用Numpy运算的结果是: [126 220 352 528]

但是很明显:

通常情况下,在科学运算中,一个维度所有数据的类型往往相同,这时,使用数组对象采用相同的数据类型,有助于节省运算时间和存储空间

ndarray的组成

ndarray对象的属性

3.数据类型

在这里插入图片描述

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

ndarray数组的创建

import numpy as np
x = np.array([[1, 0], [2, 0], [3, 1]], np.int32)
print(x)
print(x.dtype)


程序输出:

[[1 0]
 [2 0]
 [3 1]]
int32

在这里插入图片描述

adarray数组的变换

ndarray数组运算

4.索引与切片

5.随机数函数

6.统计函数

7.梯度函数

8.副本与视图

numpy线性代数

数组与标量之间的运算

常用numpy.linalg函数总结

(好家伙,numpy内置函数太多了…)

加载全部内容

相关教程
猜你喜欢
用户评论