Python——NumPy安装、NdArray对象的简单使用、NumPy的数据类型

最新推荐文章于 2023-08-17 12:23:29 发布
最新推荐文章于 2023-08-17 12:23:29 发布
阅读量865 收藏 4
点赞数 3
分类专栏： 李明徽的Python 文章标签： python numpy 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/scfor333/article/details/104204238
版权

什么是 NumPy

NumPy 是一个用 python 实现的科学计算，包括：1、一个强大的 N 维数组对象 Array；2、比较成熟的（广播）函数库；3、用于整合 C/C++ 和 Fortran 代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数，numpy 和稀疏矩阵运算包scipy配合使用更加方便

​ NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库，专为进行严格的数字处理而产生，多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore， NASA 用其处理一些本来使用 C++，Fortran 或 MatLab 等所做的任务

安装 NumPy

​ 在 windows 下，推荐使用下载 Python 发行版的方式，它会包含很多关键的包，比如NumPy、Pandas等

​ 我选择的是ANACONDA，可以直接百度搜索到官网下载，但是会很慢，可以在清华大学开源镜像站下载，连接是

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

​ 下载安装后，系统就已经拥有 NumPy 包了

​ 也可以使用 PIP 命令直接安装

导入 NumPy

import numpy as np

​ 上边的代码是向程序中导入 NumPy 库，如果导入成功，也就说明 NumPy 库安装成功了

NumPy 中的 NdArray 对象

​ NumPy 最最最重要的特点就是它所包含的多维数组对象：ndarray，它是用于存放同类元素的多维数组

NdArray 的使用

创建一个 NdArray 对象

​ ndarray数组可以直接通过numpy.array(object, dtype = None, copy = True, order = None, subok = False, nfmin = 0)方法来创建，下面说一下ndarray的重要参数

  • object：数组或嵌套数列
最低0.47元/天 解锁文章
numpy数据类型ndarray
mmotot的博客
03-25 6295
为什么要有ndarray的数据类型？看下面的例子。1.计算A^2+B^2，其中A,B是以为数组。这是一般的做法：def pysum(): a = [0,1,2,3,4] b = [5,6,7,8,9] c = [] for i in range(len(a)): c.append(a[i]**2 + b[i]**3) return c p...
NumPy——Ndarray对象和数据类型
a_blade_of_grass的博客
05-16 1421
NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象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。ndarray 内部由以下内容组成：一个指向数据（内存或内存映射文件中的一块数据）的指针。数据类型或 dtype，描述在数组中的固定大小值的格子。一个表示数组形状（shape）的元组，表示各维度大小的元组。
Numpy-01（安装、Ndarray对象介绍创建及使用）
damadashen的博客
09-14 1210
python中numpy的安装及使用（ndarray对象的详解及创建使用）
mxnet安装及NDArray初体验
weixin_34178244的博客
10-29 162
一、mxnet安装 (以下均为mac环境) 有二种方式： 1.1 用conda安装 1 #创建gluon目录 2 mkdir gluon-tutorials && cd gluon-tutorials 3 4 #下载源代码 5 curl https://zh.gluon.ai/gluon_tutorials_zh.tar.gz -o tutorial...
Numpy 二 Ndarray 与 数据类型
W_H_M_2018的博客
04-01 994
NumPy Ndarray 对象 NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。 ndarray 对象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。 ndarray 内部由以下内容组成： 一个指向数据（内存或内存映射文件中的一块数据）的指针。 ...
下了python还要下anaconda吗,下了python要下pycharm吗
chatgpt001的博客
08-17 3120
作为一个IT的过来人，我自己整理了一些python学习资料，都是别人分享给我的，希望对你们有帮助。
利用Python进行数据分析 | NumPy基础（一）—— NumPy ndarray（多维数组对象）
qq_50637636的博客
01-14 1774
NumPy基础：数组与向量化计算 NumPy，是Numerical Python的简称，它是利用Python进行数值运算的最为重要的基础包。 重要的原因可以归纳为三点： 可以有效的处理含有大量数组的数据。 NumPy的算法是基于C语言编写的，NumPy数组使用的内存量小于其他的Python内建序列。 NumPy可以针对全量数组进行复杂计算而不需要使用Python循环。 下面的例子将展示NumPy的不同，定义一个NumPy数组，里面存放着1M个整数，再定义一个列表，同样存放着1M个整数，将这两个序列同时乘
python数据分析————NumPy多维数组对象ndarray
flandreflor的博客
10-17 336
numpy
Numpy 理解ndarray对象的示例代码
09-17
Numpy 是 Python 中进行科学计算的一个基础库，它为 Python 提供了大量的数学函数，并且引入了一个高性能的多维数组对象——ndarray。ndarray 在 Numpy 库中扮演着核心角色，是进行高效数值计算的基础。本文将详细...
（记录）Python机器学习——NumPy基础
qq_43659681的博客
04-15 823
同质的意思就是说 N维数组里的所有元素必须是属于同一种数据类型的。(PS: python中的list是异质的)。使用NumPy中的array函数将list中的值作为初始值，来实例化一个ndarray对象。模块下提供了许多生成随机数的函数，如果对于随机数的概率分布没有什么要求，则通常可以使用。假设想要将下图中紫色部分切片出来，就需要确定行的范围和列的范围。dtype:ndarray对象中元素的数据类型，例如int64，float32等。计算机产生的随机数是由随机种子根据一定的计算方法计算出来的数值。
Python中Numpy ndarray的使用详解
09-19
主要介绍了Python中Numpy ndarray的使用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Educoder NumPy基础及取值操作 第1关ndarray对象
qq_44767279的博客
05-09 5732
最近做这东西就记录下，方便其他人直接照搬 https://www.educoder.net/tasks/motjur2fwpyk 编程要求 根据提示，在右侧编辑器Begin-End中填充代码，根据测试用例的输入，实例化出对应的ndarray对象并打印。 具体要求请参见后续测试样例。 请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！ ####测试说明 平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。 shape：为需要实例化出来的nd
Numpy入门02---ndarray多维数组对象（上）
chiwu4496的博客
08-28 306
NumPy的核心特征之一就是N-维数组对象——ndarray。该数组允许你使用类似于标量的操作语法在整块数据上进行数学计算。 接下来让我们举个例子感受一下： #!/usr/bin/python # -*- coding: UTF-8 -*- import numpy as np # 生成随机...
numpy数组 ndarray对象基本知识
LOUISLIAOXH的专栏
12-07 7331
Numpy中ndarray数组对象基本概念、及数组创建
numpy教程：numpy基本数据类型及多维数组元素存取
热门推荐
皮皮blog
09-11 5万+
http://blog.youkuaiyun.com/pipisorry/article/details/39215089NumPy介绍Numpy(读作num-pie)是Python中的一个矩阵计算包，功能类似于MATLAB的矩阵计算。标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3
【Python】numpy安装+numpy.ndarray基本使用
zhangwin3的专栏
05-01 1019
numpy安装： pip install numpy numpy.ndarray基本使用： import numpy as np np.__version__ # 获取numpy的版本 # numpy.__version__ # name 'numpy' is not defined nparr = np.array(list(range(10))) nparr # ar...
Numpy知识详解之ndarray数据类型详解
m0_47209867的博客
04-17 2330
Numpy知识详解之ndarray数据类型详解 一、Numpy内部基本数据类型 类型名 类型表示符 布尔型 bool_ 有符号整数型 int8(-128~127)/int16/int32/int64 无符号整数型 uint8(0~255)/uint16/uint32/uint64 浮点型 float16/float32/float64 复数型 complex64/complex128 字串型 str_，每个字符用32位Unicode编码表示 二、Numpy自定义数据类
python基础 - 导入数据（Numpy and Pandas）
Rnan_prince的博客
06-21 1万+
大多数情况下，都是用 Numpy 或 Pandas 导入数据。 一、文本文件 1、纯文本文件 filename = 'test.txt' file = open(filename, mode='r') # 以只读方式读取文件 text = file.read() # 读取文件内容 print(file.closed) # 查看文件是否已经关闭 file.close() # 关闭文件 print(text
数据类型的简介与转换
qq_31844775的博客
11-06 345
名称 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 ...
numpy ndarray 改数据类型
最新发布
04-01
### 更改 NumPy `ndarray` 数据类型的实现 在 NumPy 中，可以通过多种方式更改 `ndarray` 的数据类型。最常用的方法是使用 `.astype()` 方法或者在创建数组时指定目标数据类型。 #### 使用 `.astype()` 转换数据类型 `.astype()` 是一种灵活的方式，用于将现有数组的数据类型更改为新的数据类型。以下是具体示例： ```python import numpy as np # 创建一个浮点数类型的 ndarray arr_float = np.array([1.5, 2.2, 3.7, 4.0, 5.9]) print("原始数组:", arr_float) print("原始数据类型:", arr_float.dtype) # 将其转换为整数类型 (int64) arr_int = arr_float.astype(np.int64) print("\n转换后的数组:", arr_int) print("新数据类型:", arr_int.dtype) ``` 上述代码展示了如何将一个浮点数数组 `[1.5, 2.2, 3.7, 4.0, 5.9]` 转换为整数数组 `[1, 2, 3, 4, 5]`[^2]。 --- #### 在创建数组时指定数据类型 如果提前知道所需的数据类型，则可以在创建数组时直接设置 `dtype` 参数。这种方式适用于从头构建数组的情况。 ```python # 创建一个整数类型的 ndarray 并初始化 arr_int_create = np.array([1, 2, 3, 4, 5], dtype=np.int64) print("创建时指定数据类型的数组:", arr_int_create) print("数据类型:", arr_int_create.dtype) ``` 此方法利用了 NumPy 提供的灵活性，在定义阶段就明确了数组中的元素类型。 --- #### 利用 `np.arange()` 和其他函数生成特定数据类型的数组 除了手动创建外，NumPy 还提供了诸如 `arange()` 或者 `linspace()` 等工具来快速生成具有预设数据类型的数组。 ```python # 使用 arange() 函数并指定数据类型 arr_arange = np.arange(0, 5, 1, dtype=np.float64) print("\narange() 生成的数组:", arr_arange) print("数据类型:", arr_arange.dtype) ``` 这里通过参数传递指定了返回数组应具备的精确数值表示形式——即双精度浮点数 (`float64`) [^4]。 --- ### 总结 无论是调整已存在的 `ndarray` 对象还是新建实例化对象，都可以借助于 NumPy 库内部强大的功能完成不同类型之间的互转操作。这不仅限于基本算术运算符兼容性的需求满足上，同时也扩展到了更高层次上的科学计算领域应用之中[^3]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值