科学计算库Numpy-数据结构

简介: 科学计算库Numpy-数据结构

假定所有操作都事先导入numpy库


import numpy


1、查询文档


在运用numpy库的时候遇到不知道使用的函数可以查询官方文档来学习,例如查询genfromtxt()函数的文档


print(help(numpy.genfromtxt))


2、创建向量(数组)和矩阵


①创建一个向量


vector = numpy.array([5, 10, 15, 20])
print(vector)


结果为:[ 5 10 15 20 ]


②创建一个矩阵


matrix = numpy.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]])
print(matrix)


结果为:


[[5, 10, 15] 
[20, 25, 30] 
[35, 40, 45]]


3、对向量和矩阵进行描述


vector = numpy.array([5, 10, 15])
print(vector.shape)


结果为:( 3, )

即向量 vector 中有三个元素


matrix = numpy.array([[5, 10, 15], [20, 25, 30]])
print(matrix.shape)


结果为:( 2, 3 )

即矩阵matrix中有2行3列


4、获取向量和数组中的数据的类型

以向量举例


vector = numpy.array([1, 2, 3, 4, 5])
vector.dtype


结果为:dtype(‘int32’)

即vector中数据的类型为int32


需要注意的是,向量和矩阵中的所有元素必须是同一数据类型,如果同时存在整数和浮点数,那么所有元素都会被定义为浮点数


例:


vector = numpy.array([1, 2, 3, 4, 5.0])
vector.dtype


结果为:dtype(‘float64’)


5、读取文件

例:


filedate = numpy.genfromtxt("filename.txt", delimiter=",", dtype=str, skip_header=1)
print(filedate)


结果即是输出文件中的内容


参数解释:


“filename.txt”即是文件名+拓展名

delimiter=”,”:指定 , 为分隔符,即按 , 断句

dtype=str:读入的文件数据类型是 str 类型

skip_header=1:跳过第一行不读入,若skip_header=0则不跳过第一行(第一行往往是表头,不是我们需要的数据)


需要注意的是,genfromtxt()函数读出的数据是矩阵格式


6、切片取样


假定向量和矩阵


vector = numpy.array([1, 2, 3, 4])
matrix = numpy.array([['Iam', 'smell', '108'],
                      ['Not', 'brick', '116'],
                      ['Yes', 'phone', '132']])


①若想取出矩阵中的元素“116”,则使用如下语句


print(matrix[1, 2])   #取出第2行第3列的元素(索引值从0算起)


结果为:116


②若想取出向量的前三个元素,则使用如下语句


print(vector[0:2])


结果为:[ 1 2 3 ]


③若想取出矩阵的第三列,则使用如下语句


print(matrix[:,2])     #":,"取列


结果为:[ ‘108’ ‘116’ ‘132’]


④若想取出矩阵中前两列的前两个元素,则使用如下语句


print(matrix[:,0:2])


结果为:

[[‘Iam’, ‘smell’], 
[‘Not’, ‘brick’]]


⑤若想取出矩阵中的后两行的前两列,则使用如下语句


print(matrix[1:3, 0:2])


结果为:

[[‘Not’, ‘brick’], 
[‘Yes’, ‘phone’]]


相关文章
|
22天前
|
存储 机器学习/深度学习 数据处理
NumPy:从初识到实战,探索Python科学计算的无限可能
NumPy:从初识到实战,探索Python科学计算的无限可能
40 0
|
22天前
|
机器学习/深度学习 存储 算法
Python中的NumPy库:数值计算与科学计算的基石
【2月更文挑战第29天】NumPy是Python科学计算的核心库,专注于高效处理大型多维数组和矩阵。其核心是ndarray对象,提供快速数组操作和数学运算,支持线性代数、随机数生成等功能。NumPy广泛应用于数据处理、科学计算和机器学习,简化了矩阵运算、统计分析和算法实现,是数据科学和AI领域的重要工具。
|
22天前
|
存储 索引 Python
请解释Python中的NumPy库以及它的主要用途。
【2月更文挑战第27天】【2月更文挑战第97篇】请解释Python中的NumPy库以及它的主要用途。
|
16天前
|
搜索推荐 索引 Python
【科学计算包NumPy】NumPy数组的基本操作
【科学计算包NumPy】NumPy数组的基本操作
37 3
|
16天前
|
机器学习/深度学习 开发者 Python
【科学计算包NumPy】NumPy数组的创建
【科学计算包NumPy】NumPy数组的创建
35 4
|
8天前
|
存储 并行计算 数据挖掘
Python中的NumPy库:科学计算与数据分析的基石
Python中的NumPy库:科学计算与数据分析的基石
63 0
|
22天前
|
Python
科学计算中的NumPy应用案例分享
【4月更文挑战第17天】本文介绍了NumPy在科学计算中的应用,包括使用NumPy的线性代数函数求解线性方程组、利用`trapz`函数进行数值积分以及结合`scipy.signal`进行信号滤波。这些案例展示了NumPy在处理实际问题时的实用性和灵活性,突显了其在Python科学计算领域的重要地位。
|
22天前
|
数据处理 C语言 索引
使用NumPy进行科学计算:基础与进阶
【4月更文挑战第9天】NumPy是数据处理和科学计算的核心工具,提供高性能的多维数组对象和数学函数库。本文深入讲解NumPy的基础和进阶技巧,包括ndarray的向量化操作、广播机制、ufunc、高级索引以及线性代数操作。通过示例展示如何利用NumPy进行高效计算,强调性能优化,帮助读者提升科学计算能力。
|
17天前
|
程序员 开发工具 索引
图解Python numpy基本操作
图解Python numpy基本操作
|
10天前
|
存储 索引 Python
python学习——NumPy数值计算基础
NumPy基础知识概览:涉及nan(非数字)和inf(无穷)的概念,nan在文件读取或不适当计算时出现,inf在除0操作中出现。数组操作有深拷贝(a=b.copy())、浅拷贝(a=b[:])和引用(a=b)。创建数组方式多样,如`np.array()`、`np.arange()`等。数据类型转换如`np.float64()`、`np.int8()`。随机数生成包含均匀分布、正态分布等。数组索引和切片支持多维操作。改变数组形状用`reshape()`,展平用`ravel()`和`flatten()`。矩阵运算包括加减乘、转置、逆矩阵等。
32 2
python学习——NumPy数值计算基础