01.Numpy数组对象

最新推荐文章于 2024-01-16 11:34:21 发布

weixin_30544657

最新推荐文章于 2024-01-16 11:34:21 发布

阅读量76

点赞数

CC 4.0 BY-SA版权

文章标签： python c/c++ matlab

原文链接：http://www.cnblogs.com/oneTOinf/p/10480194.html

本文介绍了Python中NumPy库的重要性，解释了为何标准Python列表和array模块不足以满足数值运算需求，以及NumPy如何通过其核心对象ndarray和ufunc解决这些问题。详细讲解了ndarray的内存描述及创建方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为什么要有 numpy

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]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。
此外Python还提供了一个array模块，array对象和列表不同，它直接保存数值，和C语言的一维数组比较类似。但是由于它不支持多维，也没有各种运算函数，因此也不适合做数值运算。
NumPy的诞生弥补了这些不足，NumPy提供了两种基本的对象：ndarray（N-dimensional array object）和ufunc（universal function object）。ndarray(下文统一称之为数组)是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。

ndarray 简单的内存描述

ndarray中的每个元素是数据类型对象的对象(称为 dtype)，并在内存中使用相同大小和区域连续的块。带有将每个元素映射到内存块中某个位置的索引方案。内存块以按行(C 风格)或按列(FORTRAN 或MatLab风格)的方式保存元素。

从ndarray对象提取的任何元素(通过切片)由一个数组标量类型的 Python 对象表示。下图显示了ndarray，数据类型对象(dtype)和数组标量类型之间的关系。

基本的ndarray是使用 NumPy 中的数组函数创建的，如下所示：

numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)

它从任何暴露数组接口的对象，或从返回数组的任何方法创建一个ndarray。

上面的构造器接受以下参数：

参数	描述
`object`	任何暴露数组接口方法的对象都会返回一个数组或任何(嵌套)序列。
`dtype`	数组的所需数据类型，可选。
`copy`	可选，默认为`true`，对象是否被复制。
`order`	`C`(按行)、`F`(按列)或`A`(任意，默认)。
`subok`	默认情况下，返回的数组被强制为基类数组。如果为`true`，则返回子类。
`ndmin`	指定返回数组的最小维数。

看看下面的例子来更好地理解。

示例

>>> import numpy as np
>>> alist = list(range(4))
>>> andarray = np.array(alist)
>>> andarray
array([0, 1, 2, 3])
>>> alist = [[1, 2], [3, 4]]
>>> andarray = np.array(alist)
>>> andarray
array([[1, 2],
       [3, 4]])
>>> alist = list(range(4))
>>> andarray = np.array(alist, ndmin=2)
>>> andarray
array([[0, 1, 2, 3]])
>>> andarray = np.array(alist, dtype=np.complex)
>>> andarray
array([0.+0.j, 1.+0.j, 2.+0.j, 3.+0.j])

转载于:https://www.cnblogs.com/oneTOinf/p/10480194.html