- 📢博客主页:盾山狂热粉的博客_优快云博客-C、C++语言,机器视觉领域博主
- 📢努力努力再努力嗷~~~✨
一、前言与简介
💡NumPy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
👉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)
二、numpy的数据与基础操作
1、Ndarray数据类型
-
numpy 支持的数据类型比 Python 内置的类型要多很多,基本上可以和 C 语言的数据类型对应上,其中部分类型对应为 Python 内置的类型
-
下表列举了常用 NumPy 基本类型
2、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
-
创建一个 ndarray 只需调用 NumPy 的 array 函数即可
numpy.array(object, # 数组或嵌套的数列
dtype = None, # 数组元素的数据类型,可选
copy = True, # 对象是否需要复制,可选
order = None, # 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 = False, # 默认返回一个与基类类型一致的数组
ndmin = 0) # 指定生成数组的最小维度
3、创建数组
(1)底层 ndarray 构造器
import numpy as np
# a=np.array([1,2,3])
# a = np.array([[1, 2], [3, 4]]) # 多于一个维度
a = np.array([1, 2, 3, 4, 5], ndmin=2) # 最小维度,五行一列
print(a)
(2)numpy.empty
-
创建一个指定形状(shape)、数据类型(dtype)且未初始化的数组
# 数组元素为随机值,因为它们未初始化
import numpy as np
x = np.empty([3, 2], dtype=int)
print(x)
'''
[[ 105274832 496]
[ 0 0]
[ 1 1834972270]]
'''
(3)numpy.zeros、numpy.ones
-
创建指定大小的数组,数组元素用0填充
-
创建指定大小的数组,数组元素用1填充(默认是浮点数)
y = np.zeros((5), dtype=int)
x = np.ones(5)
print(x) # [1. 1. 1. 1. 1.]
print(y) # [0 0 0 0 0]
(4)numpy.asarray
-
类似 numpy.array,但 numpy.asarray 参数只有三个,比 numpy.array 少两个
# 参数a可以是任意形式的输入参数,可以是列表, 列表的元组, 元组, 元组的元组, 元组的列表,多维数组
x = [1, 2, 3]
a = np.asarray(x)
print(a)
(5)numpy.arange
-
创建数值范围并返回 ndarray 对象
# 生成 0 到 5 的数组:
x = np.arange(5)
print(x) # [0 1 2 3 4]
# 设置了起始值、终止值及步长:
x = np.arange(10, 20, 2)
print(x) # [10 12 14 16 18]
(6)numpy.linspace
-
创建一个一维数组,数组是一个等差数列构成的
- start 序列的起始值
- stop 序列的终止值,如果endpoint为true,该值包含于数列中
- num 要生成的等步长的样本数量,默认为50
- endpoint 该值为 true 时,数列中包含stop值,反之不包含,默认是True。
- retstep 如果为 True 时,生成的数组中会显示间距,反之不显示。
- dtype ndarray 的数据类型
np.linspace(start, stop, num=50, # 要生成的等步长的样本数量,默认为50
endpoint=True, # 该值为 true 时,数列中包含stop值,反之不包含,默认是True
retstep=False, # 如果为 True 时,生成的数组中会显示间距,反之不显示
dtype=None)
a = np.linspace(10, 20, 5, endpoint=False)
print(a) # [10. 12. 14. 16. 18.]
(7)numpy.logspace
-
创建一个于等比数列
np.logspace(start, stop, num=50, endpoint=True, base=10.0, # 底数
dtype=None)
a = np.logspace(1.0, 2.0, num=10) # 从1~2,以10为底的指数,得到10个数字
print(a)
'''
[ 10. 12.91549665 16.68100537 21.5443469 27.82559402
35.93813664 46.41588834 59.94842503 77.42636827 100. ]
4、数组属性
-
numpy数组的维数称为秩(rank),秩就是轴(axis)的数量,即数组的维度(dimensions),一维数组的秩为 1,二维数组的秩为 2&#x