NumPy数组详解|玩转NumPy（1）

转载是一种动力 分享是一种美德

1

什么是Numpy数组   

        NumPy是Python中科学计算的基础软件包。它是一个提供多维数组对象，多种派生对象（如被屏蔽的数组和矩阵）以及用于数组快速操作的例程，包括数学，逻辑，形状操作，排序，选择，I / O ，离散傅立叶变换，基本线性代数，基本统计运算，随机模拟等等。

2

Numpy数组的优势

        NumPy包的核心是ndarray对象。这封装了同类数据类型的n维数组，其中许多操作都是在编译代码中执行以获得性能。NumPy数组和标准Python序列之间有几个重要的区别：

• NumPy数组在创建时具有固定大小，与Python列表（可以动态增长）不同。更改ndarray的大小将创建一个新数组并删除原始数组。

• NumPy数组中的元素都需要具有相同的数据类型，因此在内存中的大小相同。例外情况：可以有（Python，包括NumPy）对象数组，从而允许不同大小元素的数组。

• NumPy数组有助于对大量数据进行高级数学和其他类型的操作。通常，这些操作的执行效率更高，代码更少，而使用Python内置序列的代码更少。

3

NumPy的基本操作

        

        NumPy的主要对象是齐次多维数组。它是一个元素表（通常是数字），所有相同类型，由正整数的元组索引。在NumPy维度被称为轴。NumPy的数组类中有很多重要的属性，下面列举出比较常见的属性。首先我们创建一个数组类：

#导入相关的包import numpy as np#创建一个5维数组a = np.arange(15).reshape(3, 5)#输出数组print(a)#输出结果[[ 0,  1,  2,  3,  4], [ 5,  6,  7,  8,  9], [10, 11, 12, 13, 14]]
import numpy as np
#创建一个5维数组
a = np.arange(15).reshape(3, 5)
#输出数组
print(a)
#输出结果
[[ 0,  1,  2,  3,  4],
 [ 5,  6,  7,  8,  9],
 [10, 11, 12, 13, 14]]

nrange中有很多种要的属性：

        阵列的轴数（维度）     

a.ndim#输出结果2#输出结果
2

        数组的尺寸。这是一个整数的元组，表示每个维度中数组的大小。对于具有n行和m列的矩阵，shape将是(n,m)。shape因此元组的长度 是轴的数量，ndim

a.shape#输出结果(3,5)#输出结果
(3,5)

        数组元素的总数。这等于元素的产物shape

a.size#输出结果15#输出结果
15

        一个描述数组中元素类型的对象。可以使用标准的Python类型创建或指定dtype。另外NumPy提供它自己的类型。numpy.int32，numpy.int16和numpy.float64就是一些例子

a.dtype#输出结果dtype('int32')#输出结果
dtype('int32')

        数组中每个元素的字节大小。例如，类型元素数组float64有itemsize8（= 64/8），而其中一个类型complex32有itemsize4（= 32/8）。这相当于ndarray.dtype.itemsize

a.itemsize#输出结果4#输出结果
4

        该缓冲区包含数组的实际元素。通常，我们不需要使用此属性，因为我们将使用索引设施访问数组中的元素

a.data#输出结果<memory at 0x00000126C968BB40>#输出结果
<memory at 0x00000126C968BB40>

        

            

▼更多精彩推荐，请关注我们▼把时间交给阅读