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。