Python中Numpy模塊使用詳解
NumPy
NumPy(Numerical Python) 是 Python 的一個(gè)擴(kuò)展程序庫(kù),支持大量的維度數(shù)組與矩陣運(yùn)算,此外也針對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫(kù)。Nupmy可用來(lái)存儲(chǔ)和處理大型矩陣,比Python自身的嵌套列表(nested list structure)結(jié)構(gòu)要高效的多(該結(jié)構(gòu)也可以用來(lái)表示矩陣(matrix))。據(jù)說(shuō)NumPy將Python相當(dāng)于變成一種免費(fèi)的更強(qiáng)大的MatLab系統(tǒng)。
NumPy 是一個(gè)運(yùn)行速度非??斓臄?shù)學(xué)庫(kù),主要用于數(shù)組計(jì)算,包含:
- 一個(gè)強(qiáng)大的 N 維數(shù)組對(duì)象 ndarray
- 廣播功能函數(shù)
- 整合 C/C++/Fortran 代碼的工具
- 線性代數(shù)、傅里葉變換、隨機(jī)數(shù)生成等功能
ndarray對(duì)象
NumPy 最重要的一個(gè)對(duì)象是其 N 維數(shù)組對(duì)象 ndarray,它是一系列同類型數(shù)據(jù)的集合,可以使用基于 0 的索引訪問(wèn)集合中的項(xiàng)目。
ndarray 對(duì)象是用于存放同類型元素的多維數(shù)組。ndarray中的每個(gè)元素在內(nèi)存中使用相同大小的塊。 ndarray中的每個(gè)元素是數(shù)據(jù)類型對(duì)象的對(duì)象(稱為 dtype)
numpy.array( object , dtype = None , ndmin = 0 ,copy = True , order = None , subok = False )
一般只有 object 、dtype和 ndmin 參數(shù)常用,其他參數(shù)不常用
import numpy a=numpy.array([1,2,3]) #一維 b=numpy.array([[1,2,3],[4,5,6]]) #二維 c=numpy.array([1,2,3],dtype=complex) #元素類型為復(fù)數(shù) d=numpy.array([1,2,3],ndmin=2) #二維 print(a,type(a)) print(b,type(b)) print(c,type(c)) print(d,type(d)) #################################### [1 2 3] <class 'numpy.ndarray'> [[1 2 3] [4 5 6]] <class 'numpy.ndarray'> [1.+0.j 2.+0.j 3.+0.j] <class 'numpy.ndarray' [[1 2 3]] <class 'numpy.ndarray'>
? ?Numpy數(shù)據(jù)類型??
Numpy數(shù)組屬性
NumPy 數(shù)組的維數(shù)稱為秩(rank),一維數(shù)組的秩為 1,二維數(shù)組的秩為 2,以此類推。
在 NumPy中,每一個(gè)線性的數(shù)組稱為是一個(gè)軸(axis),也就是維度(dimensions)。比如說(shuō),二維數(shù)組相當(dāng)于是兩個(gè)一維數(shù)組,其中第一個(gè)一維數(shù)組中每個(gè)元素又是一個(gè)一維數(shù)組。所以一維數(shù)組就是 NumPy 中的軸(axis),第一個(gè)軸相當(dāng)于是底層數(shù)組,第二個(gè)軸是底層數(shù)組里的數(shù)組。而軸的數(shù)量——秩,就是數(shù)組的維數(shù)。
很多時(shí)候可以聲明 axis。axis=0,表示沿著第 0 軸進(jìn)行操作,即對(duì)每一列進(jìn)行操作;axis=1,表示沿著第1軸進(jìn)行操作,即對(duì)每一行進(jìn)行操作。
ndarray 對(duì)象屬性有:
常見的屬性有下面幾種 :
ndarray.shape : 這一數(shù)組屬性返回一個(gè)包含數(shù)組緯度的元組,它也可以用于調(diào)整數(shù)組大小
import numpy as np a=np.array([[1,2,3],[4,5,6]]) print(a.shape) #打印shape屬性 a.shape=(3,2) #修改shape屬性 print(a) ####################################### (2, 3) [[1 2] [3 4] [5 6]]
ndarray.ndim: 這一數(shù)組屬性返回?cái)?shù)組的維數(shù)
import numpy as np a=np.arange(24) #np.arange返回0-23的列表類型的數(shù)據(jù) 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
import numpy as np a=np.array([1,2,3]) #默認(rèn)是四個(gè)字節(jié) print(a.itemsize) ######################################### 4
到此這篇關(guān)于Python中Numpy模塊使用詳解的文章就介紹到這了,更多相關(guān)Python Numpy模塊內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python3在各種服務(wù)器環(huán)境中安裝配置過(guò)程
這篇文章主要介紹了python3在各種服務(wù)器環(huán)境中安裝配置過(guò)程,源碼包編譯安裝步驟詳解,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),需要的朋友可以參考下2022-01-01python 調(diào)用pyautogui 實(shí)時(shí)獲取鼠標(biāo)的位置、移動(dòng)鼠標(biāo)的方法
今天小編就為大家分享一篇python 調(diào)用pyautogui 實(shí)時(shí)獲取鼠標(biāo)的位置、移動(dòng)鼠標(biāo)的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-08-08Python?隊(duì)列Queue和PriorityQueue解析
這篇文章主要介紹了Python?隊(duì)列Queue和PriorityQueue,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-09-09精心整理總結(jié)的Python自動(dòng)化測(cè)試面試題
簡(jiǎn)單來(lái)說(shuō),自動(dòng)化測(cè)試框架包含了所有的測(cè)試工作所需的測(cè)試框架,下面這篇文章主要給大家介紹了關(guān)于Python自動(dòng)化測(cè)試面試題的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-02-02Pytorch中torch.cat()函數(shù)的使用及說(shuō)明
這篇文章主要介紹了Pytorch中torch.cat()函數(shù)的使用及說(shuō)明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-01-01python 實(shí)現(xiàn)在shell窗口中編寫print不向屏幕輸出
這篇文章主要介紹了python 實(shí)現(xiàn)在shell窗口中編寫print不向屏幕輸出的代碼,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02