python--numpy学习

Posted 2020-11-06 双皮奶不要红豆

NumPy 部分功能如下：

• ndarray，一个具有矢量运算符和复杂广播能力的快速节省空间的多维数组
• 用于对数组数据进行快速运算的标准数学函数
• 用于读写磁盘数据的工具以及用于操作内存映射文件的工具
• 线性代数丶随机数生成以及傅里叶变换功能
• 用于继承由C丶C++ 丶Fortran等语言编写的代码的工具

NumPy 最重要的一个特点就是其N维数组对象(ndarray)，该对象是一个快速而灵活的大数据集容器 。可以利用这个数组对象对整块数据进行一些数学运算，其语法跟标量之间的运算一样。

In [5]: import numpy as np
In [6]: data=np.array([[0.9526,-0.246,-0.8856],[0.5639,0.2379,0.9104]])

In [7]: data
Out[7]:
array([[ 0.9526, -0.246 , -0.8856],
       [ 0.5639,  0.2379,  0.9104]])

In [8]: data * 10
Out[8]:
array([[ 9.526, -2.46 , -8.856],
       [ 5.639,  2.379,  9.104]])

In [9]: data + data
Out[9]:
array([[ 1.9052, -0.492 , -1.7712],
       [ 1.1278,  0.4758,  1.8208]])

ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。每个数组都有一个shape(一个表示个维度大小的元组)和一个dtype(一个用于说明数组数据类型的对象)

In [29]: test_data=np.array([[1,2,3],[4,5,6],[7,8,9]])

In [30]: data
Out[30]:
array([[ 0.9526, -0.246 , -0.8856],
       [ 0.5639,  0.2379,  0.9104]])

In [31]: test_data
Out[31]:
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

In [32]: data.shape
Out[32]: (2, 3)     #表示2行3列

In [33]: test_data.shape
Out[33]: (3, 3)    #表示3行3列

In [34]: data.dtype
Out[34]: dtype(‘float64‘)

In [35]: test_data.dtype
Out[35]: dtype(‘int32‘)

创建ndarry

创建数组最简单的办法就是使用array函数。它接受一切序列型的对象(包括其他数组)，然后产生一个新的传入数据的NumPy数组。