本文已参与「新人创作礼」活动，一起开启掘金创作之路。
一，什么是Numpy？
高级的数值编程工具
- 强大的N维数组对象：ndarray
- 对数组结构数据进行运算（不用遍历循环，矩阵运算）
- 随机数，线性代数，傅里叶变换等功能
二，np的数据类型：数组
| 方法 | 结果 | 描述 |
|---|---|---|
| ar.ndim | 2 | 查看数组的轴（维度） |
| ar.shape | (2, 6) | 查看数组的维度，对于n行m列的数据，其shape为(n, m) |
| ar.size | 12 | 数组的元素总数，对于n行m列的数组，元素总数为n*m |
| ar.dtype | int32 | 数组中元素的类型，类似type()（注意了，type()是函数，.dtype是方法） |
-
输入：
import numpy as np ar = np.array([[1, 2, 3, 4, 5, 6], [5, 2, 6, 8, 9, 6]]) 1，print("列表", [1, 2, 3, 4, 5, 6]) 2，print("数组", ar, type(ar)) 3，print(ar.ndim) # 查看数组的轴（维度） 4，print(ar.shape) # 查看数组的形状，对于n行m列的数据，其shape为(n, m) 5，print(ar.size) # 数组的元素总数，对于n行m列的数组，元素总数为n*m 6，print(type(ar), ar.dtype)# 数组中元素的类型，类似type() 7，ar # 交互式输出 -
输出
输出： 1，列表 [1, 2, 3, 4, 5, 6] 2，数组 [[1 2 3 4 5 6] [5 2 6 8 9 6]] <class 'numpy.ndarray'> 3，2 # 二维数组，两行六列（多个二维组成三维） 4，(2, 6) # 两行六列 5，12 # 这个数组里一共有12个元素 6，<class 'numpy.ndarray'> int32 7，array([[1, 2, 3, 4, 5, 6], [5, 2, 6, 8, 9, 6]])# 数组的基本属性 # ① 数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推 # ② 在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量： # 比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组 # 所以一维数组就是NumPy中的轴（axes），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。 # 而轴的数量——秩，就是数组的维数。
三，如何创建np数组
创建数组：array()，括号内可以是列表、元祖、数组、生成器等
-
通过生成器
range()创建ar1 = np.array(range(10)) print(ar1) -------------------------- [0 1 2 3 4 5 6 7 8 9] -
直接通过np内置的类似
range()功能的arange()创建print(np.arange(10)) -------------------------- [0 1 2 3 4 5 6 7 8 9]# 创建数组：arange()，类似range()，在给定间隔内返回均匀间隔的值。 print(np.arange(10)) # 返回0-9，整型 print(np.arange(1., 10., 0.5)) # 返回0.0-9.0，浮点型 print(np.arange(5,12)) # 返回5-11 print(np.arange(5.0,12,2)) # 返回5.0-12.0，步长为2 print(np.arange(10000)) # 如果数组太大而无法打印，NumPy会自动跳过数组的心 -------------------------- # 部分，并只打印边角 [0 1 2 3 4 5 6 7 8 9] [1. 1.5 2. 2.5 3. 3.5 4. 4.5 5. 5.5 6. 6.5 7. 7.5 8. 8.5 9. 9.5] [ 5 6 7 8 9 10 11] [ 5. 7. 9. 11.] [ 0 1 2 ..., 9997 9998 9999] -
直接用
[]创建print(np.array([1, 2, 3, 4, 5, 6, 7， 8，9])) -------------------------- [0 1 2 3 4 5 6 7 8 9] -
使用嵌套列表创建多维列表
print(np.array([[1, 2, 3, 4], [5, 6, 7, 8]])) -------------------------- [[1 2 3 4] [5 6 7 8]] print(np.array([[1, 2, 3, 4], ["a", "b", "c", "d"]])) -------------------------- # 如果创建的时候元素不是数字，那么会给你全部转换类型 [['1' '2' '3' '4'] ['a' 'b' 'c' 'd']] print(np.array([[1, 2, 3, 4, 5], [1, 2, 3, 4, 5, 6, 7]])) -------------------------- # 如果元素数量不相同会变成一维数组 [list([1, 2, 3, 4, 5]) list([1, 2, 3, 4, 5, 6, 7])] -
使用
linspace()创建（返回一个范围内以num平分个数的数组。）# 创建数组：linspace():返回在间隔[开始，停止]上计算的num个均匀间隔的样本。 ar1 = np.linspace(2.0, 3.0, num=5) ar2 = np.linspace(2.0, 3.0, num=5, endpoint=False) ar3 = np.linspace(2.0, 3.0, num=5, retstep=True) print(ar1,type(ar1)) print(ar2) print(ar3,type(ar3)) # numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) # start：起始值，stop：结束值 # num：生成样本数，默认为50 # endpoint：True，右闭。False，右开。默认值为True。 # retstep：True，返回一个元组，元组里第一个元素为数组array，第二个为步长 ---------------------------------------- [ 2. 2.25 2.5 2.75 3. ] <class 'numpy.ndarray'> [ 2. 2.2 2.4 2.6 2.8] (array([ 2. , 2.25, 2.5 , 2.75, 3. ]), 0.25) <class 'tuple'> -
使用
zeros()/zeros_like()/ones()/ones_like()创建数组输入：
# 创建数组：zeros()/zeros_like()/ones()/ones_like() ar1 = np.zeros(5) ar2 = np.zeros((2,2), dtype = np.int) print(ar1,ar1.dtype) print(ar2,ar2.dtype) print('-------------------') # numpy.zeros(shape, dtype=float, order='C'):返回给定形状和类型的新数组，用零填充。 # shape：数组纬度，二维以上需要用()，且输入参数为整数 # dtype：数据类型，默认numpy.float64 # order：是否在存储器中以C或Fortran连续（按行或列方式）存储多维数据。 ar3 = np.array([list(range(5)),list(range(5,10))]) ar4 = np.zeros_like(ar3) print(ar3) print(ar4) print('-------------------') # 返回具有与给定数组相同的形状和类型的零数组，ar4会根据ar3的形状和dtype创建一个全0的数组 ar5 = np.ones(9) ar6 = np.ones((2,3,4)) ar7 = np.ones_like(ar3) print(ar5) print(ar6) print(ar7) # ones()/ones_like()和zeros()/zeros_like()一样，只是填充为1输出：
[ 0. 0. 0. 0. 0.] float64 [[0 0] [0 0]] int32 ------------------- [[0 1 2 3 4] [5 6 7 8 9]] [[0 0 0 0 0] [0 0 0 0 0]] ------------------- [ 1. 1. 1. 1. 1. 1. 1. 1. 1.] [[[ 1. 1. 1. 1.] [ 1. 1. 1. 1.] [ 1. 1. 1. 1.]] [[ 1. 1. 1. 1.] [ 1. 1. 1. 1.] [ 1. 1. 1. 1.]]] [[1 1 1 1 1] [1 1 1 1 1]] -
使用
eye创建单位矩阵# 创建数组：eye() print(np.eye(5)) # 创建一个正方的N*N的单位矩阵，对角线值为1，其余为0 -------------------------------------------- [[1. 0. 0. 0. 0.] [0. 1. 0. 0. 0.] [0. 0. 1. 0. 0.] [0. 0. 0. 1. 0.] [0. 0. 0. 0. 1.]]
四，ndarray数据类型
'''
ndarray的数据类型
bool 用一个字节存储的布尔类型（True或False）
inti 由所在平台决定其大小的整数（一般为int32或int64）
int8 一个字节大小，-128 至 127
int16 整数，-32768 至 32767
int32 整数，-2 ** 31 至 2 ** 32 -1
int64 整数，-2 ** 63 至 2 ** 63 - 1
uint8 无符号整数，0 至 255
uint16 无符号整数，0 至 65535
uint32 无符号整数，0 至 2 ** 32 - 1
uint64 无符号整数，0 至 2 ** 64 - 1
float16 半精度浮点数：16位，正负号1位，指数5位，精度10位
float32 单精度浮点数：32位，正负号1位，指数8位，精度23位
float64或float 双精度浮点数：64位，正负号1位，指数11位，精度52位
complex64 复数，分别用两个32位浮点数表示实部和虚部
complex128或complex 复数，分别用两个64位浮点数表示实部和虚部
'''
