NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。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中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象（称为 dtype）。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。

2、ndarray特点

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。

3、内部结构


#基本的Ndarray 是使用 NumPy 中的数组函数创建的。
numpy.array

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)

三、数据类型对象 (`dtype`)

dtype可由语法构造

numpy.dtype(object, align, copy)

Object：被转换为数据类型的对象。
Align：如果为true，则向字段添加间隔，使其类似 C 的结构体。
Copy ? 生成dtype对象的新副本，如果为flase，结果是内建数据类型对象的引用。
```
 
# 使用数组标量类型  
import numpy as np 
dt = np.dtype(np.int32)  
print dt
```
结果
```
int32
 
```

四、NumPy 创建数组

numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组
numpy.empty(shape, dtype = float, order = 'C')
numpy.zeros 创建指定大小的数组，数组元素以 0 来填充
numpy.zeros(shape, dtype = float, order = 'C')
numpy.ones 创建指定形状的数组，数组元素以 1 来填充
numpy.ones(shape, dtype = None, order = 'C')

五、数组属性

1、`ndarray.shape`


import numpy as np 
a = np.array([[1,2,3],[4,5,6]])  
print a.shape

结果

(2, 3)


 # 调整数组大小  
import numpy as np 
 
a = np.array([[1,2,3],[4,5,6]]) a.shape =  (3,2)  
print a

结果


[[1, 2] 
 [3, 4] 
 [5, 6]]

2、`ndarray.ndim（`返回数组的维数`）`


 # 等间隔数字的数组  
import numpy as np 
a = np.arange(24)  print a

结果

[0 1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16 17 18 19 20 21 22 23]


 # 一维数组  
import numpy as np 
a = np.arange(24) a.ndim 
# 现在调整其大小
b = a.reshape(2,4,3)  
print b 
# b 现在拥有三个维度

结果


[[[ 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、`numpy.itemsize（`返回数组中每个元素的字节单位长度`）`


 # 数组的 dtype 为 int8（一个字节）  
import numpy as np 
x = np.array([1,2,3,4,5], dtype = np.int8)  
print x.itemsize

结果

4、`numpy.arange（`返回`ndarray`对象，包含给定范围内的等间隔值）

 numpy.arange(start, stop, step, dtype)


 import numpy as np
x = np.arange(5)  
print x

结果

[0  1  2  3  4]


 import numpy as np
# 设置 dtype
x = np.arange(5, dtype =  float)  
print x

结果

[0.  1.  2.  3.  4.]


 # 设置了起始值和终止值参数  
import numpy as np
x = np.arange(10,20,2)  
print x

结果

[10  12  14  16  18]

5、`numpy.linspace`

指定了范围之间的均匀间隔数量，而不是步长

 numpy.linspace(start, stop, num, endpoint, retstep, dtype)

六、创建数组

1、通过列表创建一维数组

np.array([1, 2, 3])

array([1, 2, 3])

2、通过列表创建二维数组

np.array([(1, 2, 3), (4, 5, 6)])

array([[1, 2, 3], [4, 5, 6]])

3、创建全为0的二维数组

np.zeros((3, 4))

array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])

4、创建全为1的三维数组

np.ones((2, 3, 4))

array([[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],
[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]])

5、full函数创建任意大小的数组并填充任意数字

np.full((3, 4), 2)

array([[2, 2, 2, 2],
[2, 2, 2, 2],
[2, 2, 2, 2]])

6、创建一维等差数组

np.arange(5)

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

7、创建二维等差数组

np.arange(6).reshape(2, 3)

array([[0, 1, 2],
[3, 4, 5]])

8、创建单位矩阵（二维数组）

np.eye(3)

array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])

9、创建二维随机数组

np.random.rand(2, 3)

10、创建二维随机整数数组（数值小于 6）

np.random.randint(6, size = (2, 3))

七、数组运算

a = np.array([10, 20, 30, 40, 50])
b = np.arange(1, 6)

1、和


a = np.array([[1, 2],
              [3, 4]])
np.sum(a)
 
 
np.sum(a, axis=0) # axis=0 表示对每一列求和
 
 
np.sum(a, axis=1) # axis=0 表示对每一行求和

2、mean

np.mean(a) # 求取平均值

3、argsort


a = np.array([[3, 6, 4, 11],
              [5, 10, 1, 3]])
a.argsort() # 将元素按照行从小到大排序，返回对应位置元素的下标

结果


array([[0, 2, 1, 3],
   [2, 3, 0, 1]], dtype=int64)

4、矩阵乘法

np.mat(A) * np.mat(B)

5、矩阵求逆

np.linalg.inv(A)

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/煮酒与君饮/article/detail/968908

Python之numpy函数_python numpy

学习日记

一、numpy概述

1、numpy简介

2、numpy安装

二、 Ndarray 对象

1、概述