0-python-Numpy笔记

这是我的第一篇笔记

首先 Numpy的设计目的是处理大数据

其次要包含的头文件

        import numpy as np

然后我们进一步说说他的特点.

一.Numpy特点

1.存储结构是一个矩阵

2.静态类型：Numpy数组是在创建后不可改变，除非对整个数组结构转换

如果转化一个数据可以获取值后转化，元素的类型是在创建数组时确定的。

3.**同构的**

4.Numpy数组处理大数据具有高效性

5.由于是静态类型数据不可变，数学函数可以用C或Fortran语言编写的库快速实现，

Fortran语言是一种高性能的编程语言，特别擅长科学计算

二.Numpy的成员常用属性

size        #总字节bit       //一个字节=8bits

itemsize #每个元素字节数

nbytes    #总字节数

ndim       #矩阵维度

shape     #矩阵结构  由外向内

dtype      #矩阵每个元素类型（一个矩阵只能由一个类型）

三.Numpy的实例化方式

1.a=np.array([[1,2],[2,3]],dtype=int)      //a指向通过np.array()方式实例化的对象

常规可以伴随`dtype`使用的数据类型是：`int`, `float`, `complex`, `bool`, `object`等 eg:dtype=int

也可以显式地定义数据类型的大小，例如：`int64`, `int16`, `float128`, `complex128`。eg:dtype="int64"

 2.np.arange(start,end,step)

优点：实例化对象时赋初始值方便

缺点：只能实例化 1维数组

3.np.mgrid[start_1:end_1:step_1, start_2:end_2:step_2]        //先实例化 np.ndim个 np.array(x,y)的数组  x  为                   (end_1-start_1)*(1/step_1)

y同理为                           (end_2-start_2)*(1/step_2)

x为列方向

    第一个np.array(x,y)的每一列为np.array(start_1:end_1:step_1)

y为行方向

    第二个np.array(x,y)的每一行为np.array(start_2:end_2:step_2)

只可以实例化 1个 或 np.ndim个

(1)只实例化一个,多少维度 最大实例化 多少个数组

(2)排布规律：x 跨行方向 即 列方向 与 第一个参数一致，

                      y 跨列方向 即 行方向 与 第二个参数一致.

4.随机数

        头文件from numpy import random

(1)random.rand(x,y)        / /均匀随机数                  值都在0~1之间，不包含两端

(2)random.randn(x,y)      //标准正分布随机数        值与元素个数有关

5.np.diag([1,2,3], k=1)

作用:    生成一个对角线是[0,1,2,3]的矩阵

k的值为整体向右偏移量

为 负值时 左偏

6.np.zeros((3,3))和np.ones((3,3))

与np.array方法类似

zeros: 生成全是0.(float)

ones: 生成全是1.(float)

7.文件I/O

(1)逗号 分隔 值 (CSV)

np.genfromtxt('matrix.dat')

matrix.dat 内容：

1800 1 1   -6.1   -6.1   -6.1 1

1800 1 2 -15.4 -15.4 -15.4 1

之类直接是    数字+" "

(2).npy文件

        numpy.savetxt("matrix.csv", M)//M为要保存的数据

作用：将np数组保存为文件

可以更改要保存的类型

(比如"int64"想保存为"float")

如numpy.savetxt("matrix.csv", M，fmt='%.5f')

       M = np.load("matrix.csv")

       将"matrix.csv"加载到矩阵 M 中

 分割线   --------------------------------------------------------------   此章完