Numpy实验楼报告

【引言】

 最近入门Machine Learning，再看Peter Harrington的《Machine Learning in Action》，发现Numpy真的是Python语言里非常重要的一个库，尤其在机器学习算法的编程中有广泛的应用。于是笔者到“实验楼”上去学习了一波，下面吧连接、Numpy的介绍和实验报告分享给大家

【目录】

1.引言

2.目录

3.Numpy简介

4.Numpy数值类型

【Numpy 简介】

       Numpy 的英文全称为 Numerical Python，指Python 面向数值计算的第三方库。Numpy 的特点在于，针对 Python 内建的数组类型做了扩充，支持更高维度的数组和矩阵运算，以及更丰富的数学函数。Numpy 是 Scipy.org 中最重要的库之一，它同时也被 Pandas，Matplotlib 等我们熟知的第三方库作为核心计算库。
 NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。

 Numpy包括了：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。Numpy和稀疏矩阵运算包scipy配合使用更加方便。（参考连接: 实验楼Numpy使用教程）

【Numpy 数值类型】

【Numpy中的对象及函数】

1.dtype()

我们可以用 numpy.dtype(object, align, copy) 来指定数值类型。而在数组里面，可以用 dtype= 参数。

2.多维数组

2.1 ndarray

2.1.1 ndarray的简介

numpy有2种基本对象，ndarray（N-dimensional array object）和 ufunc（universal functionobject）ndarray是存储单一数据类型的多维数组。

Python的内建对象数组可以有三种形式：

 list 列表：[1, 2, 3]
 Tuple 元组：(1, 2, 3, 4, 5)
 Dict 字典：{A:1, B:2}

列表为大家所熟知，元组与列表相似，区别在于元组里的值无法修改。在此着重介绍一下字典。 字典是另一种可变容器模型，且可存储任意类型对象。字典对象由键和值组成， 每个键值(key=>value)对用冒号( : )分割，每个对之间用逗号( , )分割，整个字典包括在花括号( {}) 中 ,格式如下所示：

d = {key1 : value1, key2 : value2 }

值可以取任何数据类型，但键必须是不可变的，如字符串，数字或元组。一个简单的字典实例：

dict = {'Alice': '2341', 'Beth': '9102', 'Cecil': '3258'}

Numpy 最核心且最重要的一个特性就是 ndarray 多维数组对象，它区别于 python 的标准类，拥有对高维数组的处理能力，这也是数值计算过程中缺一不可的重要特性。

Numpy 中，ndarray 类具有六个参数，它们分别为：

• shape：数组的形状。
• dtype：数据类型。
• buffer：对象暴露缓冲区接口。
• offset：数组数据的偏移量。
• strides：数据步长。
• order：{'C'，'F'}，以行或列为主排列顺序。

2.1.2 ndarray 的创建方法

在 numpy 中，主要通过以下 5 种途径创建数组，它们分别是：

• 从 Python 数组结构列表，元组等转换。
• 使用 np.arange、np.ones、np.zeros 等 numpy 原生方法。
• 从存储空间读取数组。
• 通过使用字符串或缓冲区从原始字节创建数组。
• 使用特殊函数，如 random。

2.2 列表或元祖向ndarray的转换

2.2.1转换方法（函数）

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

其中，参数：

• object：列表、元组等。
• dtype：数据类型。如果未给出，则类型为被保存对象所需的最小类型。
• copy：布尔来写，默认 True，表示复制对象。
• order：顺序。
• subok：布尔类型，表示子类是否被传递。
• ndmin：生成的数组应具有的最小维数。

2.2.2 实验过程

2.3 arrange()方法创建规律性多维数组

arrange()方法是在一定给定区间内创建一些列等间隔的值，方法如下：

numpy.arange(start, stop, step, dtype=None)

先设置值所在的区间，这里为 `[开始， 停止），你应该能发现这是一个半开半闭区间。然后，在设置 step 步长用于设置值之间的间隔。最后的可选参数 dtype可以设置返回ndarray 的值类型。例如：