目錄
NumPy
NumPy(Numerical Python) 是 Python 得一個擴展程序庫，支持大量得維度數組與矩陣運算，此外也針對數組運算提供大量得數學函數庫。Nupmy可用來存儲和處理大型矩陣，比Python自身得嵌套列表（nested list structure)結構要高效得多（該結構也可以用來表示矩陣（matrix））。據說NumPy將Python相當于變成一種免費得更強大得MatLab系統。
NumPy 是一個運行速度非常快得數學庫，主要用于數組計算，包含：
- 一個強大得 N 維數組對象 ndarray
- 廣播功能函數
- 整合 C/C++/Fortran 代碼得工具
- 線性代數、傅里葉變換、隨機數生成等功能
ndarray對象
NumPy 最重要得一個對象是其 N 維數組對象 ndarray，它是一系列同類型數據得集合，可以使用基于 0 得索引訪問集合中得項目。
ndarray 對象是用于存放同類型元素得多維數組。ndarray中得每個元素在內存中使用相同大小得塊。 ndarray中得每個元素是數據類型對象得對象(稱為 dtype)
numpy.array( object , dtype = None , ndmin = 0 ,copy = True , order = None , subok = False )
一般只有 object 、dtype和 ndmin 參數常用，其他參數不常用
import numpya=numpy.array([1,2,3]) #一維b=numpy.array([[1,2,3],[4,5,6]]) #二維c=numpy.array([1,2,3],dtype=complex) #元素類型為復數d=numpy.array([1,2,3],ndmin=2) #二維print(a,type(a))print(b,type(b))print(c,type(c))print(d,type(d))####################################[1 2 3] <class 'numpy.ndarray'>[[1 2 3][4 5 6]] <class 'numpy.ndarray'>[1.+0.j 2.+0.j 3.+0.j] <class 'numpy.ndarray'[[1 2 3]] <class 'numpy.ndarray'>
? ?Numpy數據類型??
Numpy數組屬性
NumPy 數組得維數稱為秩（rank），一維數組得秩為 1，二維數組得秩為 2，以此類推。
在 NumPy中，每一個線性得數組稱為是一個軸（axis），也就是維度（dimensions）。比如說，二維數組相當于是兩個一維數組，其中第一個一維數組中每個元素又是一個一維數組。所以一維數組就是 NumPy 中得軸（axis），第一個軸相當于是底層數組，第二個軸是底層數組里得數組。而軸得數量——秩，就是數組得維數。
很多時候可以聲明 axis。axis=0，表示沿著第 0 軸進行操作，即對每一列進行操作；axis=1，表示沿著第1軸進行操作，即對每一行進行操作。
ndarray 對象屬性有：
常見得屬性有下面幾種 ：
ndarray.shape ： 這一數組屬性返回一個包含數組緯度得元組，它也可以用于調整數組大小
import numpy as npa=np.array([[1,2,3],[4,5,6]])print(a.shape) #打印shape屬性a.shape=(3,2) #修改shape屬性print(a)#######################################(2, 3)[[1 2][3 4][5 6]]
ndarray.ndim： 這一數組屬性返回數組得維數
import numpy as npa=np.arange(24) #np.arange返回0-23得列表類型得數據print(a.ndim)b=a.reshape(2,3,4)print(b)print(b.ndim)############################1[[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]][[12 13 14 15][16 17 18 19][20 21 22 23]]]3
ndarray.itemsize
import numpy as npa=np.array([1,2,3]) #默認是四個字節print(a.itemsize)#########################################4
到此這篇關于Python中Numpy模塊使用詳解得內容就介紹到這了,更多相關Python Numpy模塊內容請搜索之家以前得內容或繼續瀏覽下面得相關內容希望大家以后多多支持之家！