Numpy简明教程

Numpy是高性能科学计算和数据分析的基础包。主要对象是ndarray，它是一个N维数组对象，内部数据必须是同一种数据类型，也称为通用的同构数据多维容器。



In [23]:

    
import numpy as np

基础属性

ndarray比较重要的属性包括ndim, shape与dtype等。



In [24]:

    
a = np.arange(12).reshape(4, 3)



In [25]:

    
# ndim 在numpy中，维度称为axes（dimension），其值称为rank。 如a的rank为2
a.ndim









    Out[25]:





2



In [26]:

    
# shape 表示各维度大小的元组
a.shape









    Out[26]:





(4, 3)



In [27]:

    
# size array中的元素个数
a.size









    Out[27]:





12



In [28]:

    
# dtype 数据类型，ndarray中的数据类型必须一致
a.dtype.name









    Out[28]:





'int32'



In [29]:

    
# itemsize 每个元素的大小，以byte为单位
a.itemsize









    Out[29]:





4



In [30]:

    
# data 实际元素内容的内存，一般情况下我们无需此属性。
a.data









    Out[30]:





<memory at 0x0000017F0C59F048>

创建ndarray



In [31]:

    
# 通过array方法，直接通过数组创建. dtype可以显示指定，numpy也可以自动推断。默认int32(这与numpy官方例子中的返回值不同，它为int64)
# 注意，必须传递一个数组[],而不是多个参数np.array(0,1,2)。会报错。
a = np.array([0,1,2])
a.dtype.name









    Out[31]:





'int32'



In [32]:

    
b = np.array([1.1, 2.2, 3.3])
b.dtype.name









    Out[32]:





'float64'



In [33]:

    
# 用数组嵌套数组的方式，可以创建多维ndarray。同时，可以显示指定dtype为float64
c = np.array([[0,1],[2,3]],dtype=np.float64)
c









    Out[33]:





array([[ 0.,  1.],
       [ 2.,  3.]])



In [37]:

    
# 提供了一些简便方法，来创建有初值的ndarray。注意，默认dtype为float64
# zeros 全0. 注意，参数必须是一个元组。
np.zeros((2,2))









    Out[37]:





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



In [38]:

    
np.ones((2,2))









    Out[38]:





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



In [39]:

    
# 虽然在我机器上为全0，但官方例子说是随机值，取决于内存。
np.empty((2,2))









    Out[39]:





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



In [40]:

    
# arange，提供了类似range的创建一系列数的方式
np.arange(10, 30, 5)









    Out[40]:





array([10, 15, 20, 25])



In [41]:

    
# 对于float数值，最好用linspace指定个数，而非使用arange来指定step。
np.arange(0, 2, 0.25)









    Out[41]:





array([ 0.  ,  0.25,  0.5 ,  0.75,  1.  ,  1.25,  1.5 ,  1.75])



In [43]:

    
np.linspace(0, 2, 9)









    Out[43]:





array([ 0.  ,  0.25,  0.5 ,  0.75,  1.  ,  1.25,  1.5 ,  1.75,  2.  ])



In [ ]: