NumPy库入门

Posted on | In , | |
Words count in article: 684 | Reading time ≈ 2

NumPy

NumPy是一个开源的Python科学计算基础库，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的引用

import numpy as np

N维数组对象：ndarray

Python已有列表类型，为什么需要一个数组对象(类型)？

  • • 数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据
  • • 设置专门的数组对象，经过优化，可以提升这类应用的运算速度
  • 观察：科学计算中，一个维度所有数据的类型往往相同
  • • 数组对象采用相同的数据类型，有助于节省运算和存储空间

ndarray是一个多维数组对象，由两部分构成：

  • • 实际的数据
  • • 描述这些数据的元数据（数据维度、数据类型等）
    ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始

ndarray对象的属性

1

ndarray的元素类型

1

1

1
实部(.real) + j虚部(.imag)

ndarray为什么要支持这么多种元素类型？

对比：Python语法仅支持整数、浮点数和复数

3种类型

• 科学计算涉及数据较多，对存储和性能都有较高要求
• 对元素类型精细定义，有助于NumPy合理使用存储空间并优化性能
• 对元素类型精细定义，有助于程序员对程序规模有合理评估

非同质的ndarray对象

ndarray数组可以由非同质对象构成
非同质ndarray元素为对象类型
非同质ndarray对象无法有效发挥NumPy优势，尽量避免使用

ndarray数组的创建方法

（1）从Python中的列表、元组等类型创建ndarray数组
x = np.array(list/tuple)
x = np.array(list/tuple, dtype=np.float32)
当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型

1
2
3
4
5
6
# 从列表类型创建
x = np.array([0,1,2,3])
# 从元组类型创建
x = np.array((4,5,6,7))
# 从列表和元组混合类型创建
x = np.array([[1,2],[9,8],(0.1,0.2)])

（2）使用NumPy中函数创建ndarray数组，如：arange, ones, zeros
等

1

1

1

（3）使用NumPy中其他函数创建ndarray数组
1

1

ndarray数组的变换

对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换
a = np.ones((2,3,4), dtype=np.int32)

1

1

1

1

1

数组的索引和切片

索引：获取数组中特定位置元素的过程
切片：获取数组元素子集的过程

1

1

1

数组与标量之间的运算

数组与标量之间的运算作用于数组的每一个元素

1

1

1

Donate? comment?