numpy使用方法,numpy基本操作
本讲座主要介绍对numpy库的基本认识和numpy库的N维数组对象:ndarray。更多详情请参考numpy的详细介绍教程(二)。
numpy
:NumPy是一个开源的Python科学计算基础库,它包含:
一个强大的n维数组对象ndarray
广播功能
集成C/C /Fortran代码的工具
线性代数,傅立叶变换,随机数生成等功能。
NumPy是数据处理或科学计算库(如SciPy和Pandas)的基础。
numpy的引用
:导入numpy为np np是numpy模块的别名。虽然别名可以省略或更改,但建议使用上述常规别名。
numpy的N维数组对象:ndarray
Python已经有了列表类型。为什么需要数组对象(类型)?
例子:计算一个2 B 3,其中A和B是一维数组。
方法1:
Pysum (): A=[0,1,2,3,4,] B=[9,8,7,6,5,]C=[]For I in Range(Len(A)):C . Append(A[I]* * 2B[I]* *
Import pyas NP def NP sum (): A=NP。Array ([0,1,2,3,4,]) B=NP。Array ([9,8,7,6,5,]) C=A * * 2B * * 2Return C Print (NP sum())比较方法1
对象可以消除元素之间运算所需的循环,使一维向量更像单个数据。
设置特殊的数组对象,经过优化,可以提高这类应用的运行速度。
观察:在科学计算中,一个维度的所有数据类型往往都是相同的。
对象使用相同的数据类型,这有助于节省操作和存储空间。
Ndarray是一个多维数组对象,由两部分组成:
实际数据
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。
ndarry实例
:Ndarry在程序中的别名是:array,np.array()的意思是生成一个ndarray数组。
如上:np.array()输出为[],元素之间用空格隔开。
ndarray对象的属性:
轴:保存数据的维度;秩:轴的数量
示例:
ndarray数组的元素类型:
为什么ndarray支持这么多元素类型?
对比:Python语法只支持整数、浮点数和复数。
科学计算涉及大量数据,对存储和性能要求很高。
元素类型的精细定义有助于NumPy合理使用存储空间,优化性能。
元素类型的精细定义有助于程序员合理评估程序规模。
非同质的ndarray对象:
在非齐次的情况下,数组的各种属性都发生了变化,这与齐次的情况不同,所以没有必要深究。
非同质ndarray对象无法有效发挥NumPy优势,尽量避免使用
更多详情请参考numpy的详细介绍教程(二)。
注:作者在海量开放网络课程中跟随宋天老师学习python数据分析课程,收获颇丰。这些是作者的学习笔记。