Python（十）numpy

目录

 

NumPy Ndarray 对象

数据类型对象 (dtype)

NumPy 创建数组

NumPy 数组属性

NumPy 切片和索引&迭代数组

NumPy 高级索引

NumPy 数学运算

 NumPy 排序、条件刷选函数

 numpy array的合并

 numpy array的分割

---

数据分析是用适当的方法对收集来的大量数据进行分析，帮助人们作出判断，以便采取适当行动。

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：a）、一个强大的N维数组对象 ndarray；b）、广播功能函数；c）、整合 C/C++/Fortran 代码的工具；d）、线性代数、傅里叶变换、随机数生成等功能

NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。

SciPy 是一个开源的 Python 算法库和数学工具包。

SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口（API）。

NumPy Ndarray 对象

 N 维数组对象 ndarray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。

创建一个 ndarray 只需调用 NumPy 的 array 函数即可：

numpy.array(object，dtype = None，copy = True，order = None，subok = False，ndmin = 0）

名称	描述
object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

import numpy as np

array = np.array（[[1,2,3],[2,3,4]]）

print('number of dim:', array.ndim)

print('shape:', array.shape)

print('size:', array.size)

数据类型对象 (dtype)

描述
bool_	布尔型数据类型（True 或者 False）
int_	默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc	与 C 的 int 类型一样，一般是 int32 或 int 64
intp	用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
int8	字节（-128 to 127）
int16	整数（-32768 to 32767）
int32	整数（-2147483648 to 2147483647）
int64	整数（-9223372036854775808 to 9223372036854775807）
uint8	无符号整数（0 to 255）
uint16	无符号整数（0 to 65535）
uint32	无符号整数（0 to 4294967295）
uint64	无符号整数（0 to 18446744073709551615）
float_	float64 类型的简写
float16	半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32	单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
float64	双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位
complex_	complex128 类型的简写，即 128 位复数
complex64	复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128	复数，表示双 64 位浮点数（实数部分和虚数部分）

NumPy 创建数组

numpy.empty(shape，dtype = float，order =‘C')   用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组。

【其中：shape——数组形状，dtype——数据类型（可自选），order ——有行优先"C"和列优先"F"两个选项,，在计算机内存中的存储元素的顺序。】

numpy.zeros（shape，dtype = float，order =‘C'）创建指定大小的数组，数组元素以 0 来填充。

numpy.ones（shape，dtype = None，order =‘C'）创建指定形状的数组，数组元素以 1 来填充。

numpy.eye（N，M=None，k=0，dtype = <class 'float'>，order =‘C'）创建一个对角矩阵，N代表行数，M代表列数（默认M=N），k=0,1,2,…右上方第k条对角线元素为“1”，其余0；k=负整数，左下方第k条为1，其余为0.

numpy.asarray（a，dtype = None，order =None）类似 numpy.array，但表示从已有的数组（如list、tuple）创建数组。

    x = [(1,2,3),(4,5)]     a = np.asarray(x)        得到的a即为：[(1, 2, 3) (4, 5)]

x = [1,2,3]     a = np.asarray(x)        得到的a即为：[1 2 3]