Numpy
是Numerical Python
的简称,特别是针对数组进行操作(创建,计算等)
可以通过浏览该网站查询更多相关知识:https://numpy.org/
import numpy
numpy.__version__ # 查看电脑的numpy版本
如果想要更新Numpy
至最新版本,我使用的方法是在Anaconda
里面找到相应的要更新的模块,
import numpy as np
创建别名的好处,使得在使用的时候更加快速的引用它
例:
注:补充知识(%%time %time %timeit)
%%time 将会给出cell(一个单元格里面所运行的内容)的代码运行一次所花费的时间。
%time 将会给出当前行的代码运行一次所花费的时间。
%timeit 使用Python的timeit模块,它将会执行一个语句100,000次(默认情况下),然后给出运行最快3次的平均值。
ls=range(100000)
ls
补充知识:
"_"
是一个循环标志,类似于普通变量,只是不取值,只循环,这个"_"
其实就是一个占位符,和用普通变量i
但是不使用i
是一样的效果。
%%time
ls=list(range(100000))
for _ in range(10):
mylist=[x * 2 for x in ls] # 列表解析式
import numpy as np
arr=np.arange(100000)
arr
%%time
arr=np.arange(100000)
for _ in range(10):
myarr=arr*2 # 列表解析式
由上述两端代码运行的时间可知:numpy
进行数组的创建计算的效率高于list
数组类型:一维数组,二维数组,多维数组
创建方法
把列表和元组转换成为数组:
l1=[1,2,3,4,5,6]
l2=(6,5,4,3,2,1)
arrl1=np.array(l1)
arrl2=np.array(l2)
print(arrl1)
print(arrl2)
很清楚的看到区别,使用了 np.array()
之后,数据之间的逗号会消失。
以下是以浮点型为例子探讨数组的一些属性。
当数组定义好之后,本身带有的一些常用属性:
属性 | 解释 |
---|---|
arr.ndim | 返回的是数组的维度,返回的只有一个数,该数即表示数组的维度。 |
type(arr) | 返回数据类型。 |
arr.shape | 表示各位维度大小的元组。返回的是一个元组。 |
len(arr) | 返回数组长度。 |
arr.size | 返回元素个数。 |
arr.itemsize | 返回元素的大小,元素的大小是根据数据的类型来定义的。 |
arr.strides | 返回元素的跨度,跨度指两个元素之间要跨过的字节数。 |
arr.dtype | 一个用于说明数组数据类型的对象,返回的是该数组的数据类型。 |
l3=[1.1,3.0,5.1,9.7,4.5]
arr=np.array(l3)
print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape) #元组后面必须要加逗号
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)
np.arange():
元素的间隔是固定的
函数返回一个有终点和起点的固定步长的排列,如[1,2,3,4,5],起点是1,终点是5,步长为1。
参数个数情况: np.arange()
函数分为一个参数,两个参数,三个参数三种情况
np.arange(8)
print(np.arange(2,8,2))
np.arange(2,8,2)
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
start
,开始的数字stop
,结束的数字num
,返回的数量endpoint
,一个bool型变量retstep
,一个bool型,True的话输出之间公差dtype
,数据类型,类型有很多例如:np.bool…,可以自己指定将2~8之间进行50等分:
np.linspace(2,8)
len(np.linspace(2,8))
np.linspace(2,8,4)
l3=[[1,3,5],[6,1,9.1]]
arr=np.array(l3)
print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape)
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)
l4=[[1,3,5],[6,1,9]]
arr=np.array(l4)
print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape)
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)
对比:l3和l4区别在于l3的元素含有float
类型,而l4都是int
类型
分析:
print('元素个数:',arr.size) # 是把所有元素都统计在内部
# 结果:
元素个数: 6
print('形状:',arr.shape)
#结果:
形状: (2, 3) # 表示两行三列
print('跨度:',arr.strides) # 数组是两行三列,
np.zeros(10)
np.ones((2,4))
np.eye(3,3)
np.random.random((3,3))
arr=np.array((np.arange(1,10),np.arange(1,10)))
利用arange创建三维数组
arr=np.array((((np.arange(1,10),np.arange(1,10),np.arange(1,10))),((np.arange(1,10),np.arange(1,10),np.arange(1,10)))))
print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape)
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)
reshape
属性能够将改变数组的维度,比如将一维数组转变成三维数组
arr=np.arange(1,25).reshape(3,2,4)
print('轴(维度):',arr.ndim)
arr