python——Numpy库

Numpy库

英文官方文档：https://docs.scipy.org/doc/numpy/reference/arrays.ndarray.html

Numpy库中的数组对象：N维数组类型：ndarray

1)      ndarray的作用：

　　a)      数组对象性可以去掉元素间运算所需的循环，使一维向量更像单个数据。

　　b)     设置专门的数组对象，经过优化，可以提升这类应用的运算速度。

2)      ndarray是一个多维数组对象，有两部分组成：

　　实际的数据 和 描述这些数据的元数据（数据维度、数据类型等）

ndarray数组一般要求所有元素类型相同（同质），数组下标从零开始

3)      ndarray实例对象的属性：

　　.ndim：秩，即轴的数量或维度的数量

　　.shape：ndarray对象的尺度，对于矩阵，n行m列

　　.size：ndarray对象元素的个数，相当于.shape中的n*m

　　.dtype：ndarray对象的元素类型

　　.itemsize：ndarray对象中的每个元素的大小，以字节为单位

4)        ndarray的元素类型：

对比：python语法只支持整数，浮点数和复数3种类型

而科学计算对数据的类型，精度都有较高要求

注意：非同质的ndarray无法有效发挥Numpy优势，尽量避免使用

5)      ndarray数组的创建方法：

　　a)      从python中的列表、元组等类型创建ndarray数组

　　　　x=Numpy.array(list/tuple)

　　　　x=Numpy.array(list/tuple, dtype=np.int64)

　　　　不指定dtype,Numpy将根据数据情况关联一个dtype

　　b)     使用Numpy中函数创建ndarray数组，如：arange,ones,zeros等

　　c)      从字节流(raw bytes )中创建ndarray数组

　　d)     从文件中读取特定格式，创建ndarray数组

6）ndarray数组的变换

　　a)  ndarray数组的维度变换(例如x=Numpy.eye(n))

　　b)     ndarray数组的其他变换

7）ndarray数组的操作：

数组的索引：获取数组中特定元素。例如

数组的切片：获取数组元素子集的过程。

a）  一维数组的索引和切片：与python的列表类似

b）多维数组的索引：

　　每个维度的索引值用逗号分隔，选取一个维度用 ：(冒号)，每个维度切片方法与一维数组相同。

　　例如：

8）ndarray数组的运算：

数组与标量之间的运算：

数组与标量之间的运算作用于数组的每一个元素

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　  Numpy的一元函数：

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　Numpy的二元函数：

原文地址：https://www.cnblogs.com/z-bear/p/9460966.html