IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> NumPy 数值计算基础入门 -> 正文阅读

[Python知识库]NumPy 数值计算基础入门

  • 数值类型及多维数组
  • 数组操作及随机抽样
  • 数学函数及代数运算
  • 数组索引及其他用法

?

import numpy as np  

a = np.array([1.1, 2.2, 3.3], dtype=np.float64)  
# 指定 1 维数组的数值类型为 float64
a, a.dtype  

.astype()?方法在不同的数值类型之间相互转换。

a.astype(int).dtype  
# 将 a 的数值类型从 float64 转换为 int,并查看 dtype 类型

NumPy 数组生成

python内建对象中,数组的三种形式:python 标准类针对数组的处理局限于 1 维,并仅提供少量的功能。

  • 列表:[1, 2, 3]
  • 元组:(1, 2, 3, 4, 5)??元组与列表相似,不同之处在于元组的元素不能修改。
  • 字典:{A:1, B:2}? ?字典由键和值构成

NumPy 最核心且最重要的一个特性就是?ndarray?多维数组对象,它区别于 Python 的标准类,拥有对高维数组的处理能力,这也是数值计算过程中缺一不可的重要特性。

NumPy 中,ndarray(多维数组对象)?类具有六个参数,分别为:

  • shape:数组的形状。
  • dtype:数据类型。
  • buffer:对象暴露缓冲区接口。
  • offset:数组数据的偏移量。
  • strides:数据步长。
  • order{'C','F'},以行或列为主排列顺序。

在 NumPy 中,主要通过以下 5 种途径创建数组,分别是:

  • 从 Python 数组结构列表,元组等转换。
  • 使用?np.arangenp.onesnp.zeros?等 NumPy 原生方法。
  • 从已知数据文件、函数中创建ndarray
  • 通过使用字符串或缓冲区从原始字节创建数组。
  • 使用特殊函数,如?random

numpy.array:把列表或元组转换为ndarray数组

np.array([[1, 2, 3], [4, 5, 6]]) #列表
np.array([(1, 2), (3, 4), (5, 6)]) #元组

arange()?的功能是在给定区间内创建一系列均匀间隔的值

numpy.arange(start, stop, step, dtype=None)
object:列表、元组等。
dtype:数据类型。如果未给出,则类型为被保存对象所需的最小类型。
copy:布尔类型,默认 True,表示复制对象。
order:顺序。
subok:布尔类型,表示子类是否被传递。
ndmin:生成的数组应具有的最小维数。

# 在区间 [3, 7) 中以 0.5 为步长新建数组
np.arange(3, 7, 0.5, dtype='float32')

array([3. , 3.5, 4. , 4.5, 5. , 5.5, 6. , 6.5], dtype=float32)

linspace?用于在指定的区间内返回间隔均匀的值。

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
start:序列的起始值。
stop:序列的结束值。
num:生成的样本数。默认值为50。
endpoint:布尔值,如果为真,则最后一个样本包含在序列内。
retstep:布尔值,如果为真,返回间距。
dtype:数组的类型。

np.linspace(0, 10, 10, endpoint=True)

array([ 0.        ,  1.11111111,  2.22222222,  3.33333333,  4.44444444,
        5.55555556,  6.66666667,  7.77777778,  8.88888889, 10.        ])

np.linspace(0, 10, 10, endpoint=False)

array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])

numpy.ones?/zeros用于快速创建数值全部为?1?/0的多维数组

numpy.ones(shape, dtype=None, order='C')
shape:用于指定数组形状,例如(1, 2)或 3。
dtype:数据类型。
order:{'C','F'},按行或列方式储存数组

np.ones((2, 3))

array([[1., 1., 1.],
       [1., 1., 1.]])

np.zeros((3, 2))

array([[0., 0.],
       [0., 0.],
       [0., 0.]])

numpy.eye?用于创建一个二维数组,其特点是k?对角线上的值为?1,其余值全部为0

numpy.eye(N, M=None, k=0, dtype=<type 'float'>)
N:输出数组的行数。
M:输出数组的列数。
k:对角线索引:0(默认)是指主对角线,正值是指上对角线,负值是指下对角线。


np.eye(5, 4, 3)

array([[0., 0., 0., 1.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

?从已知数据文件、函数中创建?ndarray

  • frombuffer(buffer):将缓冲区转换为?1?维数组。
  • fromfile(file,dtype,count,sep):从文本或二进制文件中构建多维数组。
  • fromfunction(function,shape):通过函数返回值来创建多维数组。
  • fromiter(iterable,dtype,count):从可迭代对象创建?1?维数组。
  • fromstring(string,dtype,count,sep):从字符串中创建?1?维数组。
fromfunction(function,shape):通过函数返回值来创建多维数组。

np.fromfunction(lambda a, b: a + b, (5, 4))

array([[0., 1., 2., 3.],
       [1., 2., 3., 4.],
       [2., 3., 4., 5.],
       [3., 4., 5., 6.],
       [4., 5., 6., 7.]])

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-07-13 17:25:22  更:2021-07-13 17:25:49 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/25 14:49:13-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计