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(lèi)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(lèi)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(lèi)型對(duì)象的對(duì)象(稱(chēng)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(lèi)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(lèi)型??

Numpy數(shù)組屬性

NumPy 數(shù)組的維數(shù)稱(chēng)為秩（rank），一維數(shù)組的秩為 1，二維數(shù)組的秩為 2，以此類(lèi)推。

在 NumPy中，每一個(gè)線性的數(shù)組稱(chēng)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(jiàn)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(lèi)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！

最新評(píng)論