最全Numpy教程——Array

Numpy教程——Array

---

一.NumPy简介

1.什么是NumPy？

NumPy是一个用于处理数组的Python库。

它还具有在线性代数、傅里叶变换和矩阵域中工作的函数。

NumPy是特拉维斯·奥列芬特在2005年创建的。它是一个开源项目，可以免费使用。

---

2.为什么使用NumPy？

在Python中，我们有用于数组的列表，但它们的处理速度很慢。

NumPy的目标是提供一个比传统Python列表快50倍的数组对象。

NumPy中的数组对象称为ndarray，它提供了许多支持函数，使用ndarray非常容易。

数组在数据科学中非常常用，在数据科学中速度和资源非常重要。

---

3.为什么NumPy比Lists更快？

与列表不同，NumPy数组存储在内存中的一个连续位置，因此进程可以非常有效地访问和操作它们。

这种行为在计算机科学中称为局部性原理。

这就是NumPy比列表更快的主要原因。此外，它还进行了优化，以便与最新的CPU架构一起工作。

---

4.NumPy使用什么语言写的？

NumPy是一个Python库，部分是用Python编写的，但是需要快速计算的大部分是用C或c++编写的。

---

二.初步使用NumPy

1.导入并使用

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

print(arr)

结果：

---

2.查看NumPy的版本

版本字符串存储在__version__属性中。

import numpy as np

print(np.__version__)

结果：

---

三.NumPy创建数组

1.创建一个NumPyndarray对象

NumPy被用于处理数组。NumPy中的数组对象被称为ndarray。

我们通过使用array()方法创建一个ndarrat对象。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

print(arr)

print(type(arr))

结果：

要创建ndarray，我们可以将list、tuple或任何类似数组的对象传入array()方法，它将被转换为ndarray对象:

import numpy as np

arr = np.array((1, 2, 3, 4, 5))

print(arr)

结果：

注意：多个传递进入np.array()中的参数必须为序列。
若使用arr = np.array( 1, 2, 3, 4, 5 )则报错。

并且若使用{}传入set类型序列，则输出一个由{}所夹的numpy数组：

import numpy as np

arr = np.array( {
   1, 2, 3, 4, 5} )

print(arr)

print(type(arr))

结果：

传入List与Tuple的序列，输出都由[]所夹的numpy数组：

2. numpy数组的维度

嵌套数组：以数组作为元素的数组。

1. 0维数组

0-D数组，或称标量，是数组中的元素。数组中的每个值都是0-D数组。

import numpy as np

arr = np.array(42)

print(arr)

结果：

2. 1维数组

以0-D数组为元素的数组称为一维数组。

这些是最常见和最基本的数组。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

print(arr)

结果上文已描述

3. 二维数组

以一维数组为元素的数组称为二维数组。

这些常被用来表示矩阵或二阶张量。

NumPy有一个专门用于矩阵操作的完整子模块，称为NumPy .mat

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

print(arr)

结果：

注意：需要保证两个一维数组的维度一致，不然报错。

arr = np.array([[1, 2, 3], [4, 5]])#报错

4.三维数组

以二维数组(矩阵)为元素的数组称为三维数组。

这些常被用来表示一个三阶张量。

import numpy as np

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])

print(arr)

结果：

5. 查看维度

NumPy Arrays提供了ndim属性，该属性返回一个整数，告诉我们数组有多少维度。

import numpy as np

a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])

print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)

结果：

6. 高维数组

数组可以有任意维数。

在创建数组时，可以使用ndmin参数定义维度的数量。

注意区别ndim与ndmin。

import numpy as np

arr = np.array([1, 2, 3, 4], ndmin=5)

print(arr)
print('number of dimensions :', arr.ndim)

结果：

维度从低到高：从括号外层到内层

在这个数组的维度(第5维)有4个元素(1,2,3,4),
第4维有1个向量元素,
第3维有1个矩阵元素,
第2维有1个3维数组元素，
第1维有1个4维数组的元素。

---

四.NumPy数组索引

1.访问(一维)数组元素

NumPy数组中的索引从0开始，这意味着第一个元素的索引为0，第二个元素的索引为1，以此类推。

import numpy as np

arr = np.array([1, 2, 3, 4])

print(arr[2] + arr[3])

结果：

2. 访问二维数组

要访问二维数组中的元素，可以使用逗号分隔的整数表示元素的维数和索引。

可以将二维数组想象成一个具有行和列的表，其中行表示维，索引表示列。

import numpy as np

arr = np.array([[1,2,3,4,5], [6,7,8,9,10]]