一文让你快速上手Numpy(一)

简介: 一文让你快速上手Numpy

Numpy是什么

Numpy(Numerical Python) 是科学计算基础库,提供大量科学计算 相关功能,比如数据统计,随机数生成等。其提供最核心类型为多 维数组类型(ndarray),支持大量的维度数组与矩阵运算, Numpy支持向量处理ndarray对象,提高程序运算速度。


安装


安装 NumPy 最简单的方法就是使用 pip 工具,语法格式如下:


 pip install numpy

array创建数组

numpy模块的array函数可以生成多维数组。例如,如果要生成一 个二维数组,需要向array函数传递一个列表类型的参数。每一个列 表元素是一维的ndarray类型数组,作为二维数组的行。另外,通 过ndarray类的shape属性可以获得数组每一维的元素个数(元组形 式),也可以通过shape[n]形式获得每一维的元素个数,其中n是 维度,从0开始。


语法格式如下:

 numpy.array(object, dtype = None, copy = True,
             order = None, subok = False, ndmin = 0)


arange创建数组

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)


随机数创建

numpy中的random模块包含了很多方法可以用来产生随机数。



ndarray 对象

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。



zeros创建

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')

zeros_like:根据传入的数组形状创建全为0的数组



ones创建

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')


empty 创建

创建一个指定形状(shape)、数据类型(dtype)且未初始化的数 组,里面的元素的值是之前内存的值:

numpy.empty(shape, dtype = float, order = 'C')


full()创建

创建全为某个指定值的数组

full(shape,fill_value)


创建单位矩阵

单位矩阵从左上角到右下角的对角线上的元素均为1,除此以外全都 为0。任何矩阵与单位矩阵相乘都等于本身,而且单位矩阵因此独特 性在高等数学中也有广泛应用。



linspace创建

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=50,
endpoint=True, retstep=False, dtype=None)

logspace 创建

logspace 函数用于创建一个于等比数列。格式如下:


np.logspace(start, stop, num=50,
endpoint=True, base=10.0, dtype=None)

一维数组索引和切片

ndarray对象的内容可以通过索引或切片来访问和修改,与 Python 中 list 的切片操作一样。 ndarray 数组可以基于 0 - n 的下标进行索引,并设置 start, stop 及 step 参数进行,从原数组中切割出一个新数组。



二维数组的索引和切片



目录
打赏
0
0
0
0
38
分享
相关文章
python numpy安装
一、python下的numpy安装方法 第一步:安装python,这里不做介绍。 第二步:打开cmd看python是否安装成功。 第三步:输入 python -m pip install -U pip 安装pip文件,pip文件一般在python安装包的script目录下。
5100 0
探索Python装饰器的魅力
【10月更文挑战第8天】本文将深入探讨Python中的装饰器,一种强大的工具,允许开发者在不修改原有函数代码的情况下增加额外的功能。我们将从基础开始,逐步深入到高级用法,揭示装饰器的工作原理和如何利用它们简化代码、扩展功能以及实现代码重用。通过具体示例,我们将展示如何创建自定义装饰器,并讨论其在实际项目中的应用。
|
6月前
|
NumPy 教程 之 Numpy 数组操作 29
NumPy 提供多种数组操作函数,如修改形状、翻转和连接等。本教程重点介绍元素的添加与删除,包括 `resize`、`append`、`insert` 和 `delete` 函数。`numpy.delete` 用于从数组中删除指定元素,参数包括 `arr`(输入数组)、`obj`(待删元素)和 `axis`(删除轴)。示例展示了如何使用 `numpy.delete` 删除一维和二维数组中的元素。
46 4
|
6月前
|
NumPy 教程 之 Numpy 数组操作 19
本教程介绍Numpy数组操作,涵盖数组形状修改、翻转、维度调整、连接与分割以及元素增删等关键技能。重点讲解`numpy.vstack`函数,该函数可将多个数组沿垂直方向堆叠。示例展示了如何使用`vstack`将两个2D数组堆叠成一个更大的数组,适用于数据整合场景。
48 2
|
6月前
|
NumPy 教程 之 NumPy 高级索引 4
NumPy 提供了高级索引方式,包括整数数组索引、布尔索引及花式索引。布尔索引可通过布尔数组筛选出满足条件(如大于某个值)的元素
33 3
|
6月前
|
NumPy 教程 之 NumPy 高级索引 9
NumPy高级索引包括整数数组索引、布尔索引及花式索引。花式索引使用整数数组作为索引,根据这些值选择目标数组的元素或行。与切片不同,它总是返回新数组。
43 2
|
7月前
|
NumPy 教程 之 NumPy 高级索引 2
NumPy高级索引包括整数数组索引、布尔索引等。整数数组索引允许通过一个整数数组访问另一个数组的元素,适用于复杂的数据选取与操作。
41 2
【Python-Numpy】numpy.random.binomial()的解析与使用
本文介绍了NumPy的`numpy.random.binomial()`函数,用于从二项分布中抽取样本,适用于模拟具有固定试验次数和成功概率的随机实验,并提供了如何使用该函数进行概率计算和模拟实验的示例。
154 4
|
6月前
|
【Python-Numpy】numpy.stack()的解析与使用
本文介绍了numpy的np.stack()函数,它用于在指定轴上增加数组的维度,通过不同轴参数可以改变张量的形状,例如axis=0会将形状变为(N, A, B),而axis=-1可以实现数组的转置。
200 0

热门文章

最新文章