python中numpy模块的作用_Python中Numpy模块的使用
目录
NumPy
NumPy(Numerical Python) 是 Python 的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Nupmy可用来存储和处理大型矩阵，比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix))。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。
NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：
一个强大的 N 维数组对象 ndarray
广播功能函数
整合 C/C++/Fortran 代码的工具
线性代数、傅里叶变换、随机数生成等功能
ndarray对象
NumPy 最重要的一个对象是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，可以使用基于 0 的索引访问集合中的项目。
ndarray 对象是用于存放同类型元素的多维数组。ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)
numpy.array( object , dtype = None , ndmin = 0 ,copy = True , order = None , subok = False )
一般只有 object 、dtype和 ndmin 参数常用，其他参数不常用
import numpy
a=numpy.array([1,2,3]) #一维
b=numpy.array([[1,2,3],[4,5,6]]) #二维
c=numpy.array([1,2,3],dtype=complex) #元素类型为复数
d=numpy.array([1,2,3],ndmin=2) #二维
print(a,type(a))
print(b,type(b))
print(c,type(c))
print(d,type(d))
####################################
[1 2 3]
[[1 2 3]
[4 5 6]]
[1.+0.j 2.+0.j 3.+0.j]
[[1 2 3]]
Numpy数组属性
NumPy 数组的维数称为秩(rank)，一维数组的秩为 1，二维数组的秩为 2，以此类推。
在 NumPy中，每一个线性的数组称为是一个轴(axis)，也就是维度(dimensions)。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴(axis)，第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。
很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。
ndarray 对象属性有：
常见的属性有下面几种 ：
ndarray.shape： 这一数组属性返回一个包含数组纬度的元组，它也可以用于调整数组大小
import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a.shape) #打印shape属性
a.shape=(3,2) #修改shape属性
print(a)
#######################################
(2, 3)
[[1 2]
[3 4]
[5 6]]
ndarray.ndim： 这一数组属性返回数组的维数
import numpy as np
a=np.arange(24) #np.arange返回0-23的列表类型的数据
print(a.ndim)
b=a.reshape(2,3,4)
print(b)
print(b.ndim)
############################
1
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
3
ndarray.itemsize ： 这一数组属性返回数组中每个元素的字节单位长度
import numpy as np
a=np.array([1,2,3]) #默认是四个字节
print(a.itemsize)
#########################################
4
numpy.mat()函数的用法
该函数用来创建矩阵
import numpy as np
#将列表转为矩阵
a=[7,8,9]
b=np.mat(a)
print(b)
print("#"*10)
#创建一行的矩阵
m=np.mat([1,2,3])
print(m)
print("打印出第一行的第三个值：",m[0,2]) #取第一行的第三个值
print("#"*10)
x=np.mat([[3,2,1],[6,5,4]])
print(x)
print("打印出矩阵的第二行：",x[1])
print("打印出矩阵的第二行：",x[1,:])
print("打印出矩阵的行列数：",x.shape) #获得矩阵的行列数
print("打印出矩阵的行数 ：",x.shape[0]) #获得矩阵的行数
print("打印出矩阵的列数 ：",x.shape[1]) #获得矩阵的列数
x.sort() #对矩阵的每一行进行排序
print("对矩阵的每一行进行排序:")
print(x)
print("#"*10)
numpy.zeros()函数的用法
该函数用于返回给定形状和类型的新数组。返回的数据类型为 numpy.ndarray，具有给定形状，类型和顺序的0的数组。
numpy.zeros(shape，dtype=float，order = 'C')
参数：
shape：int 或 int 的元组。新阵列的形状，例如：(2，3)或2。
dtype：数据类型，可选。、例如numpy.int8。默认是numpy.float64
order：{'C'，'F'}，可选，默认：'C' 。是否在内容中以行(C)或列(F)顺序存储多维数据。
import numpy as np
a=np.zeros(5)
print(a,type(a))
b=np.zeros([1,2],dtype='int8')
print(b)
c=np.zeros([1,2,3],dtype='int8')
print(c)
本文同步分享在 博客“谢公子”(CSDN)。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。