Numpy库详解(一)_假设已执行语句import numpy as np和c = np.arange(25).reshap

Numpy库详解（一）

安装
在ubuntu中安装使用pip

pip install numpy 
1

安装验证
在UBUNTU终端下打开python3,输入以下代码：
以下实例均在python3中完成

from numpy import *
eye(4)
1
2

若输出以下对角举证，则安装成功

array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]])
1
2
3
4

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。

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。

一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。
1
2
3
4
5
6
7

ndarray 的内部结构:

跨度可以是负数，这样会使数组在内存中后向移动，切片中 obj[::-1] 或 obj[:,::-1] 就是如此。

创建一个 ndarray 只需调用 NumPy 的 array 函数即可：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
1

实例

>>> import numpy as np
>>> a=np.array([1,2,3])
>>> print(a)
1
2
3

输出

[1,2,3]
1

输出二维数组

import numpy as np
a=np.array([[2,3],[3,4]])
>>> print(a)
[[2 3]
 [3 4]]

1
2
3
4
5
6

实例3：最小维度

>>> a=np.array([1,2,3,4,5],ndmin=2)
>>> print(a)
[[1 2 3 4 5]]
1
2
3

实例4：dtype参数

>>> a=np.array([1,2,3,4,5],dtype=complex)
>>> print(a)
[1.+0.j 2.+0.j 3.+0.j 4.+0.j 5.+0.j]
1
2
3

Numpy数组属性

numpy数组的维度称为秩（rank），一维的称为1，二维的称为2，以此类推
在numpy中，每一个线性的维度称为一个轴(axis),也就是维度。比如说，二维数组相当于两个一维数组，其中第一个一位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（axis），第一个轴相当于是底层数组，第二个轴时底层数组里的数组。而轴的数量-秩，就是数组的维数。
很多时候可以声明axis，axis=0，表示沿着第另轴进行操作，即对每一列进行操作；axis=1，表示对每一行进行操作
numpy的数组中比较重要的ndarray对象属性有：

ndarray.ndim 用于返回数组的维数，等于秩。
实例：

>>> import numpy as np
>>> a=np.arange(24)
>>> print(a)
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
>>> print(a.ndim)
1
>>> b=a.reshape(2,4,3)
>>> a.reshape(2,4,3)
array([[[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8],
        [ 9, 10, 11]],

       [[12, 13, 14],
        [15, 16, 17],
        [18, 19, 20],
        [21, 22, 23]]])
>>> print(b.ndim)
3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

ndarray.shape表示数组的维度，返回一个元祖，这个元祖的长度就是维度的数目，即ndim的秩。比如，一个二维数组，其维度表示行数和列数。
实例

>>> import numpy as np
>>> a=np.array([[2,3,4],[3,4,5]])
>>> print(a.shape)
(2, 3)
1
2
3
4

调整数组的大小
实例：

>>> import numpy as np
>>> a=np.array([[2,3,4],[3,4,5]])
>>> print(a.shape)
(2, 3)
>>> a.shape=(3,2)
>>> print(a)
[[2 3]
 [4 3]
 [4 5]]
>>> print(a.shape)
(3, 2)
>>> b=a.reshape(2,3)
>>> print(b)
[[2 3 4]
 [3 4 5]]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

numpy 创建数组

ndarray数组除了可以用底层ndarray构造器来创建外，也可以通过以下集中方法