python中numpy库

最新推荐文章于 2025-07-20 20:11:05 发布

原创最新推荐文章于 2025-07-20 20:11:05 发布 · 2.4k 阅读

3 ·

CC 4.0 BY-SA版权

Python3.6 专栏收录该内容

4 篇文章

订阅专栏

本文深入探讨了NumPy库在科学计算中的关键作用，包括数据类型一致性、数据类型转换、从文件读取数据并转换为矩阵，以及如何利用布尔值进行数组索引。此外，还介绍了如何使用concatenate函数连接多个数组。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

numpy是科学计算包（Numeric Python）
关于numpy的命令可以使用help查看,如help(numpy.array)

1.numpy中数据要为相同的数据类型，否则会强制转换

>>> from numpy import *
>>> a = array([1,2,3.0])
>>> print(a)
[1. 2. 3.] #这里的结果就是转换成相同的类型浮点型

>>> from numpy import *
>>> b = array([1,2,'i'])
>>> print(b)
['1' '2' 'i'] #转化成了string类型

2.numpy数据中数据类型的转换numpy.astype()

>>> from numpy import *
>>> vector = array(["1","2"])
>>> vectorF = vector.astype(float)
>>> print(vectorF)
[1. 2.]

3.numpy读数据numpy.genfromtxt()读取文件并转化成矩阵
函数的原始形式：

numpy.genfromtxt(fname, dtype=<type 'float'>, comments='#', delimiter=None, 
skip_header=0, skip_footer=0, converters=None, missing_values=None, 
filling_values=None, usecols=None, names=None, excludelist=None, deletechars=None, 
replace_space='_', autostrip=False, case_sensitive=True, defaultfmt='f%i', unpack=None, 
usemask=False, loose=True, invalid_raise=True, max_rows=None)[source]

fname：文件名（注意文件的路径）
delimiter：str,int,or sequence,optional.他是分割值，即表示你的数组用什么来分割
dtype：分割后数组的数据类型，默认是根据每行数据数据类型（独立地）
names：列的名称（可重写），dtype的数据类型对应着每一列的数据类型

from numpy import *

f = genfromtxt(fname=r'E:\\奋斗历程\\Machine_Learning\\MLiA_SourceCode\\'
                     r'machinelearninginaction\\Ch02\\datingTestSet.txt',
               delimiter='\t',names=['a','b','c','d'],dtype=['i8','f8','f8','U12'])
print(f[0]) #f的形式是[()()()...]，f[0]结果是(40920, 8.326976, 0.953952, 'largeDoses')

4.numpy可以通过布尔值对数组进行索引

from numpy import *

vector = array([[1,2,3,4],[0,9,7,9]])
b = vector != 1
print(b) 
print(vector[b])
"""
结果是：
[[False  True  True  True]
 [ True  True  True  True]]
[2 3 4 0 9 7 9]
 """

这个性质适合给某个元素进行赋值

from numpy import *

vector = array([[1,2,3,4],[0,9,7,9]])
b = vector == 1
print(b)
print(vector[b])
vector[b] = 6
print(vector)

结果是：
在这里插入图片描述
5.用于多个数组的连接numpy.concatenate(x,axis=0)

import numpy as np
x = [[1, 2], 
     [3, 4]]
x1 = np.concatenate([x, x], axis=0)
print("x1 axis=0")
print(x1)
x2 = np.concatenate([x, x], axis=1)
print("x2 axis=1")
print(x2)
---------------------
本文来自 DreamLee0625 的优快云 博客 ，全文地址请点击：https://blog.youkuaiyun.com/vitaminc4/article/details/79332459?utm_source=copy

结果：
在这里插入图片描述