Numpy的使用

Numpy

Numpy是科学计算的一个基础包,它提供了以下功能:

1.快速高效的多维度数组对象ndarray;

2.对数组进行元素级计算以及直接对数组执行数学运算的函数;

3.用于读写硬盘上基于数组的数据集的工具;

4.线性代数运算、傅立叶变换、以及随机数生成;

5.用于将C、C++等代码集成到Python的工具。

ndarray对象

ndarray是一个通用的同构数据多维容器,也就是说,其中的所有元素都必须是相同类型的,每一个数组都有一个shape和一个dtype,其中shape是一个表示各维度大小的元组,dtype则是一个用于说明数组中元素数据类型的对象。

我们平时所说的' 数组'、‘Numpy数组’、‘ndarray’基本上都是指的同一样东西,即ndarray对象。

创建ndarray对象最简单的办法就是使用array函数。它接受一切序列型对象(包括其他数组),然后产生一个新的含有传入数据的Numpy数组。

除了array函数外,zeros和ones也能创建指定长度和形状的'0'和‘1’的数组。

另外还有一个arange是python内置函数range的数组版。

安装

>>>pip3 install numpy

读取数据

numpy有一些自带的函数用于读取多种类型的数据。以下代码用于读取txt文档中的数据:

Numpy的使用_第1张图片
原始数据
Numpy的使用_第2张图片
处理txt文件的代码

其中参数delimiter用于设置分隔符,根据原始文档分隔符设置为',',dtype用于设置通过什么格式读取原始文档中的数据。

array数组

array数组是numpy库中最核心的一个数据结构,array数组既可以表示一维向量,也可以表示矩阵,array数组的shape方法可以查看数组的类型。

Numpy的使用_第3张图片
向量与矩阵

array数组有一个重要性质,即数组中的每一项数据类型都必须一致。

Numpy的使用_第4张图片
array数组一致性

改变数组的类型

Numpy的使用_第5张图片
astype改变数组数据类型

array数组的运算

索引

Numpy的使用_第6张图片
索引

索引切片

Numpy的使用_第7张图片
索引切片

数据比对

Numpy的使用_第8张图片
数据比对
Numpy的使用_第9张图片
逻辑操作符

取极值

Numpy的使用_第10张图片
取极值

按维度求和

Numpy的使用_第11张图片
按维度求和

sum()方法有一个参数 axis表示求和的维度,当axis=0时表示按列求和,而当axis=1时表示按行求和。

array矩阵构造

这里我们先来看arange和reshape两个方法的作用,ndim方法用来显示矩阵的维度,size方法则用来显示元素的个数。

Numpy的使用_第12张图片
矩阵构造

zeros和ones方法分别用于构造元素皆为0和1的array矩阵

Numpy的使用_第13张图片
zeros和ones方法

random方法构造(-1,1)之间的随机数矩阵

随机矩阵

array矩阵数学运算

Numpy的使用_第14张图片
矩阵的减法与幂

矩阵的乘法

Numpy的使用_第15张图片
矩阵的乘法

矩阵求根号

Numpy的使用_第16张图片
矩阵求根号
Numpy的使用_第17张图片
矩阵其它计算方法

矩阵的拼接

Numpy的使用_第18张图片
矩阵的拼接

获取最大值的索引

Numpy的使用_第19张图片
最大值的索引

argsort索引排序

Numpy的使用_第20张图片
argsort索引排序


tile方法

Numpy的使用_第21张图片
tile方法

你可能感兴趣的:(Numpy的使用)