Numpy数组

NumPy 最重要的一个特点是其 N 维数组对象 ndarray,它是一系列同类型数据的集合,以 0 下标为开始进行集合中元素的索引。

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都有相同存储大小的区域。

ndarray 内部由以下内容组成:

一个指向数据(内存或内存映射文件中的一块数据)的指针。

数据类型或 dtype,描述在数组中的固定大小值的格子。

一个表示数组形状(shape)的元组,表示各维度大小的元组。

一个跨度元组(stride),其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

Numpy 的安装

pip install numpy

Numpy 生成数组函数

>>> import numpy as np
>>> a = np.array([2,3,4])
>>> b = np.array([(1,3,4),(2,3,5)])

使用 empty, zeros, ones, identity,eye 创建矩阵

>>> np.identity(2)
array([[1., 0.],
       [0., 1.]])
>>> 

使用 arange 和 linspace 生成数组:

在 0 到 2 中按步长为 0.3 生成数组:

>>> np.arange(0,2,0.1)
array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1. , 1.1, 1.2,
       1.3, 1.4, 1.5, 1.6, 1.7, 1.8, 1.9])
>>> np.linspace(0,2,9)
array([0.  , 0.25, 0.5 , 0.75, 1.  , 1.25, 1.5 , 1.75, 2.  ])

Numpy 中数组的基本属性
在 Numpy 中生成的数组叫做 ndarray , 在 ndarray 中有如下的属性:

ndarray.ndim: 数组维数

>>> np.zeros([3,4])
array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])
>>> 
>>> 
>>> b= np.zeros([3,4])
>>> b.ndim
2
>>> b.shape
(3, 4)

你可能感兴趣的:(numpy,python,机器学习)