NumPy
NumPy(Numerical Python) 是 Python 的一個擴充套件程式庫,支援大量的維度陣列與矩陣運算,此外也針對陣列運算提供大量的數學函式庫。Nupmy可用來儲存和處理大型矩陣,比Python自身的巢狀列表(nested list structure)結構要高效的多(該結構也可以用來表示矩陣(matrix))。據說NumPy將Python相當於變成一種免費的更強大的MatLab系統。
NumPy 是一個執行速度非常快的數學庫,主要用於陣列計算,包含:
ndarray物件
NumPy 最重要的一個物件是其 N 維陣列物件 ndarray,它是一系列同類型資料的集合,可以使用基於 0 的索引訪問集合中的專案。
ndarray 物件是用於存放同類型元素的多維陣列。ndarray中的每個元素在記憶體中使用相同大小的塊。 ndarray中的每個元素是資料型別物件的物件(稱為 dtype)
numpy.array( object , dtype = None , ndmin = 0 ,copy = True , order = None , subok = False )
一般只有 object 、dtype和 ndmin 引數常用,其他引數不常用
import numpy
a=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) #元素型別為複數
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陣列屬性
NumPy 陣列的維數稱為秩(rank),一維陣列的秩為 1,二維陣列的秩為 2,以此類推。
在 NumPy中,每一個線性的陣列稱為是一個軸(axis),也就是維度(dimensions)。比如說,二維陣列相當於是兩個一維陣列,其中第一個一維陣列中每個元素又是一個一維陣列。所以一維陣列就是 NumPy 中的軸(axis),第一個軸相當於是底層陣列,第二個軸是底層數組裡的陣列。而軸的數量——秩,就是陣列的維數。
很多時候可以宣告 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 物件屬性有:
常見的屬性有下面幾種 :
ndarray.shape : 這一陣列屬性返回一個包含陣列緯度的元組,它也可以用於調整陣列大小
import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a.shape) #列印shape屬性
a.shape=(3,2) #修改shape屬性
print(a)
#######################################
(2, 3)
[[1 2]
[3 4]
[5 6]]
ndarray.ndim: 這一陣列屬性返回陣列的維數
a=np.arange(24) #np.arange返回0-23的列表型別的資料
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 : 這一陣列屬性返回陣列中每個元素的位元組單位長度
a=np.array([1,2,3]) #預設是四個位元組
print(a.itemsize)
#########################################
4
numpy.mat()函式的用法
該函式用來建立矩陣
#將列表轉為矩陣
a=[7,8,9]
b=np.mat(a)
print("#"*10)
#建立一行的矩陣
m=np.mat([1,2,3])
print(m)
print("打印出第一行的第三個值:",m[0,2]) #取第一行的第三個值
x=np.mat([[3,2,1],[6,5,4]])
print(x)
print("打印出矩陣的第二行:",x[1])
print("打印出矩陣的第二行:",x[1,:])
print("打印出矩陣的行列數:",x.shape) #獲得矩陣的行列數
print("打印出矩陣的行數 :",x.shape[0]) #獲得矩陣的行數
print("打印出矩陣的列數 :",x.shape[1]) #獲得矩陣的列數
x.sort() #對矩陣的每一行進行排序
print("對矩陣的每一行進行排序:")
numpy.zeros()函式的用法
該函式用於返回給定形狀和型別的新陣列。返回的資料型別為 numpy.ndarray,具有給定形狀,型別和順序的0的陣列。
引數:
a=np.zeros(5)
b=np.zeros([1,2],dtype="int8")
c=np.zeros([1,2,3],dtype="int8")
print(c)
NumPy
NumPy(Numerical Python) 是 Python 的一個擴充套件程式庫,支援大量的維度陣列與矩陣運算,此外也針對陣列運算提供大量的數學函式庫。Nupmy可用來儲存和處理大型矩陣,比Python自身的巢狀列表(nested list structure)結構要高效的多(該結構也可以用來表示矩陣(matrix))。據說NumPy將Python相當於變成一種免費的更強大的MatLab系統。
NumPy 是一個執行速度非常快的數學庫,主要用於陣列計算,包含:
一個強大的 N 維陣列物件 ndarray廣播功能函式整合 C/C++/Fortran 程式碼的工具線性代數、傅立葉變換、隨機數生成等功能ndarray物件
NumPy 最重要的一個物件是其 N 維陣列物件 ndarray,它是一系列同類型資料的集合,可以使用基於 0 的索引訪問集合中的專案。
ndarray 物件是用於存放同類型元素的多維陣列。ndarray中的每個元素在記憶體中使用相同大小的塊。 ndarray中的每個元素是資料型別物件的物件(稱為 dtype)
numpy.array( object , dtype = None , ndmin = 0 ,copy = True , order = None , subok = False )
一般只有 object 、dtype和 ndmin 引數常用,其他引數不常用
import numpy
a=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) #元素型別為複數
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陣列屬性
NumPy 陣列的維數稱為秩(rank),一維陣列的秩為 1,二維陣列的秩為 2,以此類推。
在 NumPy中,每一個線性的陣列稱為是一個軸(axis),也就是維度(dimensions)。比如說,二維陣列相當於是兩個一維陣列,其中第一個一維陣列中每個元素又是一個一維陣列。所以一維陣列就是 NumPy 中的軸(axis),第一個軸相當於是底層陣列,第二個軸是底層數組裡的陣列。而軸的數量——秩,就是陣列的維數。
很多時候可以宣告 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 物件屬性有:
常見的屬性有下面幾種 :
ndarray.shape : 這一陣列屬性返回一個包含陣列緯度的元組,它也可以用於調整陣列大小
import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a.shape) #列印shape屬性
a.shape=(3,2) #修改shape屬性
print(a)
#######################################
(2, 3)
[[1 2]
[3 4]
[5 6]]
ndarray.ndim: 這一陣列屬性返回陣列的維數
import numpy as np
a=np.arange(24) #np.arange返回0-23的列表型別的資料
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 : 這一陣列屬性返回陣列中每個元素的位元組單位長度
import numpy as np
a=np.array([1,2,3]) #預設是四個位元組
print(a.itemsize)
#########################################
4
numpy.mat()函式的用法
該函式用來建立矩陣
import numpy as np
#將列表轉為矩陣
a=[7,8,9]
b=np.mat(a)
print(b)
print("#"*10)
#建立一行的矩陣
m=np.mat([1,2,3])
print(m)
print("打印出第一行的第三個值:",m[0,2]) #取第一行的第三個值
print("#"*10)
x=np.mat([[3,2,1],[6,5,4]])
print(x)
print("打印出矩陣的第二行:",x[1])
print("打印出矩陣的第二行:",x[1,:])
print("打印出矩陣的行列數:",x.shape) #獲得矩陣的行列數
print("打印出矩陣的行數 :",x.shape[0]) #獲得矩陣的行數
print("打印出矩陣的列數 :",x.shape[1]) #獲得矩陣的列數
x.sort() #對矩陣的每一行進行排序
print("對矩陣的每一行進行排序:")
print(x)
print("#"*10)
numpy.zeros()函式的用法
該函式用於返回給定形狀和型別的新陣列。返回的資料型別為 numpy.ndarray,具有給定形狀,型別和順序的0的陣列。
引數:
shape:int 或 int 的元組。新陣列的形狀,例如:(2,3)或2。dtype:資料型別,可選。、例如numpy.int8。預設是numpy.float64order:{"C","F"},可選,預設:"C" 。是否在內容中以行(C)或列(F)順序儲存多維資料。import numpy as np
a=np.zeros(5)
print(a,type(a))
b=np.zeros([1,2],dtype="int8")
print(b)
c=np.zeros([1,2,3],dtype="int8")
print(c)