[Python知识库]【Python模块】- Numpy

Numpy 是一个强大的 N 维数组。Numpy的矢量化、索引和广播概念快速且通用，是当今阵列计算的事实标准。

数值计算工具。提供全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等。

1. NumPy 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。

Ndarray 内部结构：

• 一个指向数据（内存或内存映射文件中的一块数据）的指针
• 数据类型或 dtype，描述在数组中的固定大小值的格子
• 一个表示数组形状的元组，表示各维度大小的元组
• 一个跨度元组，其中的整数表示 在当前维度跨越到下一个元素需要的字节数

创建 Ndarray 对象

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

各参数的意义：

2. Numpy 数据类型

比 Python 内置的数据类型要多很多，基本上可以和C语言额数据类型对应上，

详细内容: https://www.runoob.com/numpy/numpy-dtype.html.

将数据类型应用于 Ndarrary

student = np.dtype([('name','S20'),('age',np.int8)])   #S20表示一种数据类型，而不是常量字符串
d = np.array([('Bob',20),('Alice',19)],dtype=student)
print(student)
print(d)

3. Numpy 数组

数组属性

NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2，以此类推。

Numpy中，每一个项线性的数组称为是一个 轴，也就是 维度。比如：二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是Numpy中的轴，第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

秩 = 轴数 = 维度

Numpy 的数组中比较重要的 ndarray对象属性有：

输出数组维度

• ndarray.ndim：返回数组的维度
• ndarray.shape：返回一个元组，数组的长度就是维度
• ndarray.itemsize：以字节的形式返回数组中每一个元素的大小

import numpy as np

a = np.array([(1,2,3),(3,4,5)])
print(a.ndim)
print(a.shape)
a.shape = (3,2)
print(a)

b = np.array([(1,2,3),(3,4,5)],dtype = np.int8)
c = np.array([(1,2,3),(3,4,5)],dtype = np.int)
d = np.array([(1,2,3),(3,4,5)],dtype = np.float)
e = np.array([(1,2,3),(3,4,5)],dtype = np.double)
print(b.itemsize)
print(c.itemsize)
print(d.itemsize)
print(e.itemsize)

4. 创建数组

ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。

• numpy.empty
• numpy.zeros
• numpy.ones

import numpy as np

x = np.empty([3,2], dtype = int)        # 元素为随机值
print (x)

y = np.zeros(5)                         #5表示维度，默认为浮点数
print(y)

z = np.ones([2,2], dtype = int)
print(z)

5. 参考

官方开发文档：https://numpy.org/

菜鸟教程：https://www.runoob.com/numpy/numpy-ndarray-object.html

《新程序员》：云原生和全面数字化实践

50位技术专家共同创作，文字、视频、音频交互阅读