NumPy(Numerical Python)

是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

umPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

  • 一个强大的N维数组对象 ndarray
  • 广播功能函数
  • 整合 C/C++/Fortran 代码的工具
  • 线性代数、傅里叶变换、随机数生成等功能

NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。

SciPy 是一个开源的 Python 算法库和数学工具包。

SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口（API）。

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。

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 = )

示例1: 一维数组

import numpy as np

a = np.array([,,])

print a

输出：

/usr/bin/python2.7 /Users/jackey/Documents/python/tensorflow/numpydemo.py
[1 2 3]

Process finished with exit code 0

示例2：二维数组

import numpy as np

a = np.array([[,,],[,,]])

print a

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[[  ]

 [  ]]

Process finished with exit code

示例3：二维数组

import numpy as np

a = np.array([,,],ndmin = )

print a

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[[  ]]

Process finished with exit code

示例4：二维数组

import numpy as np

a = np.array([1,2,3],ndmin = 2, dtype = complex)

print a

输出：

/usr/bin/python2.7 /Users/jackey/Documents/python/tensorflow/numpydemo.py

[[1.+0.j 2.+0.j 3.+0.j]]

Process finished with exit code 0

NumPy 数据类型

numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。

下表列举了常用 NumPy 基本类型。

数据类型对象（dtype）

numpy.dtype(object, align, copy)
  • object - 要转换为的数据类型对象
  • align - 如果为true， 填充字段使其类似C的结构体
  • copy - 复制dtype对象， 如果为false，则是对内置数据类型对象的引用

示例：

# -*- coding: UTF- -*-

import numpy as np

#使用标量类型

dt = np.dtype(np.int32)

print(dt)

# int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替

dt = np.dtype('i8')

print(dt)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

int32

int64

Process finished with exit code

下面实例展示结构化数据类型的使用，类型字段和对应的实际类型将被创建

# -*- coding: UTF- -*-

import numpy as np

dt = np.dtype([('age',np.int8)])

print(dt)

a = np.array([(,),(,),(,)], dtype=dt)

print(a)

print(a['age'])

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[('age', 'i1')]

[(,) (,) (,)]

[  ]

Process finished with exit code

示例：

# -*- coding: utf- -*-

import numpy as np

student = np.dtype([('name','S20'), ('age','i1'), ('marks','f4')])

print(student)

a = np.array([('abc',,),('xyz',,)], dtype=student)

print(a)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')]

[('abc', , .) ('xyz', , .)]

Process finished with exit code

Numpy数组

NumPy 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。

在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。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（axis），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。

很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

NumPy 的数组中比较重要 ndarray 对象属性有：

ndarray.ndim用于返回数组的维数，等于秩

示例：

# -*- coding: utf- -*-

import numpy as np

a = np.arange()   #a现在只有1个纬度

print(a.ndim)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

Process finished with exit code

ndarray.shape

ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。比如，一个二维数组，其维度表示"行数"和"列数"。

ndarray.shape 也可以用于调整数组大小。

示例：

# -*- coding: utf- -*-

import numpy as np

a = np.array([[,,],[,,]])

print(a.shape)

a.shape = (,)

print(a)

a.shape = (,)

print(a)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

(, )

[[]

 []

 []

 []

 []

 []]

[[     ]]

Process finished with exit code

ndarray.itemsize

ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。

例如，一个元素类型为 float64 的数组 itemsiz 属性值为 8(float64 占用 64 个 bits，每个字节长度为 8，所以 64/8，占用 8 个字节），又如，一个元素类型为 complex32 的数组 item 属性为 4（32/8）。

示例：

# -*- coding: utf- -*-

import numpy as np

x = np.array([,,,,],dtype=np.int8)

print(x)

print(x.itemsize)

y = np.array([,,,,], dtype=np.float64)

print(y)

print(y.itemsize)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[    ]

[. . . . .]

Process finished with exit code

ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。

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')

示例：

# -*- coding: utf- -*-

import numpy as np

x = np.empty([,], dtype=int)

print(x)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[[                    -]

 [           ]

 [                ]]

Process finished with exit code

注意 − 数组元素为随机值，因为它们未初始化。

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')

示例：

# -*- coding: utf- -*-

import numpy as np

# 默认为浮点数

x = np.zeros()

print(x)

# 设置类型为整数

y = np.zeros((,), dtype=np.int)

print(y)

# 自定义类型

z = np.zeros((,), dtype=[('x', 'i4'), ('y','i4')])

print(z)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[. . . . .]

[    ]

[[(, ) (, )]

 [(, ) (, )]]

Process finished with exit code

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')

示例：

# -*- coding: utf- -*-

import numpy as np

# 默认为浮点数

x = np.ones()

print(x)

# 自定义类型

x = np.ones([,],dtype=int)

print(x)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[. . . . .]

[[ ]

 [ ]]

Process finished with exit code

创建标准正态分布数组：

# -*- coding: utf- -*-

import numpy as np

a = np.random.randn(,)

print(a)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[[-0.16777072  1.15536929  0.15206009]

 [ 0.36466659  0.39643679 -1.06021005]]

Process finished with exit code

创建随机分布整数型数组。

利用 randint([low,high],size) 创建一个整数型指定范围在 [low.high] 之间的数组：

# -*- coding: utf- -*-

import numpy as np

a = np.random.randint(,,(,))

print(a)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[[  ]

 [  ]

 [  ]]

Process finished with exit code

从已有的数组创建数组

numpy.asarray

numpy.asarray 类似 numpy.array，但 numpy.asarray 只有三个，比 numpy.array 少两个。

numpy.asarray(a, dtype = None, order = None)

示例：

# -*- coding: utf- -*-

import numpy as np

# 将列表转换为ndarray

x = [,,]

a = np.asarray(x)

print(a)

# 将元组列表转换为 ndarray

x = [(,,),(,)]

a = np.asarray(x)

print(a)

# 设置了dtype参数

x = [,,]

a = np.asarray(x, dtype=float)

print(a)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[  ]

[(, , ) (, )]

[. . .]

Process finished with exit code

numpy.frombuffer

numpy.frombuffer 用于实现动态数组。

numpy.frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。

numpy.frombuffer(buffer, dtype = float, count = -, offset = )
注意：buffer 是字符串的时候，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b。

示例：

# -*- coding: utf- -*-

import numpy as np

s = 'Hello world!'

a = np.frombuffer(s, dtype='S1')

print(a)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

['H' 'e' 'l' 'l' 'o' ' ' 'w' 'o' 'r' 'l' 'd' '!']

Process finished with exit code

numpy.fromiter

numpy.fromiter 方法从可迭代对象中建立 ndarray 对象，返回一维数组。

numpy.fromiter(iterable, dtype, count=-)

示例:

# -*- coding: utf- -*-

import numpy as np

# 使用 range 函数创建列表对象

list = range()

it = iter(list)

# 使用迭代器创建 ndarray

x = np.fromiter(it, dtype=float)

print(x)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[. . . . .]

Process finished with exit code

从数值范围创建数组

numpy.arange

numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下：

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

# -*- coding: utf- -*-

import numpy as np

x = np.arange()

print(x)

x = np.arange(,,,'float')

print(x)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[    ]

[. .]

Process finished with exit code

numpy.linspace

numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

np.linspace(start, stop, num=, endpoint=True, retstep=False, dtype=None)

示例:

# -*- coding: utf- -*-

import numpy as np

a = np.linspace(,,)

print(a)

a = np.linspace(,,)

print(a)

a = np.linspace(,,,endpoint=False)

print(a)

a = np.linspace(,,,endpoint=True)

print(a)

输出：

/usr/bin/python2. /Users/jackey/Documents/python/tensorflow/numpydemo.py

[ .  .  .  .  .  .  .  .  . .]

[. . . . . . . . . .]

[. . . . .]

[.  12.5 .  17.5 . ]

Process finished with exit code

最新文章

  1. Linux 常用操作命令
  2. MySQL thread pool【转】
  3. 【转】linux线程模型
  4. WinForm简单多国语言实现
  5. python进阶十_正則表達式(一)
  6. mysql表生成JavaBean
  7. android 学习 Spinner控件的使用
  8. 【Bcftools】合并不同sample的vcf文件，通过bcftools
  9. pyqt5 点开小窗口
  10. 机器学习进阶-疲劳检测(眨眼检测) 1.dist.eculidean(计算两个点的欧式距离) 2.dlib.get_frontal_face_detector(脸部位置检测器) 3.dlib.shape_predictor(脸部特征位置检测器) 4.Orderdict(构造有序的字典)
  11. android onPause OnSavedInstance
  12. sql查询一列 重复的数据
  13. 转载：负载均衡器技术Nginx和F5的优缺点对比
  14. 新手搭建 nginx + php (LNMP)
  15. 如何统计TFS代码库中的团队项目所占用的磁盘空间
  16. linux系统iostat命令详解
  17. Block全面分析
  18. ASP.NET MVC传递参数(model), 如何保持TempData的持久性
  19. template 的使用
  20. 设置全局theme及读取theme方法

热门文章

  1. python cookbook第三版学习笔记二十：可自定义属性的装饰器
  2. 001-Java&#174;语言规范、Java平台标准版文档、JVM概述
  3. Python基础-shelve模块
  4. RedisClient For .Net
  5. AFNetworking 和 ASIHTTPRequest
  6. C51数据类型
  7. 转：C语言嵌入式系统编程之软件架构篇
  8. iOS获取设备IP地址
  9. 【HackerRank】Find the Median(Partition找到数组中位数)
  10. Windos Server 2008 FTP 服务安装