实训笔记20190801(Numpy)

2024-03-22 23:45| 来源: 网络整理| 查看: 265

目录什么是NumPy Numpy_Ndarray对象 NumPy数组创建 numpy.empty numpy.zeros numpy.ones numpy.asarray numpy.arange numpy.linspace numpy.logspace random模块 NumPy数组属性 ndarray.shape reshape ndarray.ndim numpy.itemsize ndarray.size NumPy数组类型 NumPy基本数据类型: 结构化数据类型 NumPy切片和索引 NumPy - 高级索引花式索引 NumPy数组运算与广播

什么是NumPy

NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。其提供最核心类型为多维数组类型(ndarray)，支持大量的维度数组与矩阵运算，Numpy 支持向量处理 ndarray 对象，提高程序运算速度。

Numpy_Ndarray对象

Numpy中定义的最终要的对象是称为ndarray的N维数组类型。它描述相同类型的元素集合。可以使用基于零的索引访问集合中的项目。

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

上面的构造器接受以下参数：

序号参数描述 1. object 任何暴露数组接口方法的对象都会返回一个数组或任何(嵌套)序列。 2. dtype 数组的所需数据类型，可选。 3. copy 可选，默认为true，对象是否被复制。 4. order C(按行)、F(按列)或A(任意，默认 5. subok 默认情况下，返回的数组被强制为基类数组。如果为true，则返回子类 6. ndimin 指定返回数组的最小维数 import numpy as np #例子01 #a = np.array([1,2,3]) #print(a) #print(type(a)) #多于一个维度 #a2 = np.array([[1,2],[3,4]]) #print(a2) #最小维度 #a3 = np.array([1,2,3,4,5],ndmin = 2) #print(a3) NumPy数组创建 numpy.empty

创建指定形状和dtype的未初始化数组

numpy.empty(shape, dtype = float, order = ‘C’) 构造器接受下列参数：

序号参数描述 1. Shape 空数组的形状，整数或整数元组 2. Dtype 所需的输出数组类型，可选 3. Order C’为按行的 C 风格数组，'F’为按列的 Fortran 风格数组 #例: 数组元素为随机值 arr = np.empty((3,3),dtype = 'i1') print(arr) numpy.zeros

返回特定大小，以0填充

arr = np.zeros((3,3)) print(arr) #自定义类型 arr = np.zeros((3,3), dtype = [('x', 'i4'), ('y', 'i4')]) print(arr) numpy.ones

返回特定大小，以1填充

arr = np.ones((2,3,4)) print(arr) arr = np.ones((3,3), dtype = [('x', 'i4'), ('y', 'i4')]) print(arr) numpy.asarray

类似 numpy.array 可以将Python序列转换为ndarray

array和asarray的区别:array默认的是一个列表元素, 但是asArray是一个维度/矩阵

#来自列表 arr = [1,2,3,4] arr2 = np.asarray(arr) print(arr2) print(type(arr)) print(type(arr2)) #来自元组 arr = (1,2,3,4) arr2 = np.asarray(arr) print(arr2) print(type(arr)) print(type(arr2)) #来自元组列表 # arr = [(1,2,3,4),(5,6,7,8)] # arr2 = np.asarray(arr) # print(arr2) # print(type(arr)) # print(type(arr2)) numpy.arange

这个函数返回ndarray对象，包含给定范围内的等间隔值

numpy.arange(start,stop,step,dtype) arr = np.arange(5,dtype = float) print(arr)

此结果减小了数学里面的误差思想,在数据挖掘,数据分析等里面使用此思想,降低数据误差

numpy.linspace

与arange函数类似等差数列 numpy.linspace(start,stop,num,endpoint,retstep,dtype)

序号参数描述 1 start 起始值 2 stop 结束值 3 num 生成等间隔样例的数量，默认为50 4 endpoin 序列中是否包含stop 值默认为 True arr = np.linspace(10,20,9) print(arr) arr = np.linspace(10,20,5,endpoint=False) print(arr) arr = np.linspace(10,20,5,retstep=True) print(arr) #返回步长 numpy.logspace

等比数列 numpy.logscale(start, stop, num, endpoint, base, dtype)

序号参数描述 1. start 起始值是base ** start 2. stop 终止值是base ** stop 3. num 范围内的数值数量，默认为50 4. endpoint 如果为true，终止值包含在输出数组当中 5. base 对数空间的底数，默认为10 6. dtype 输出数组的数据类型，如果没有提供，则取决于其它参数 arr = np.logspace(1,10,10

【本文地址】

公司简介

联系我们