Numpy是python的一个三方库,主要是用于计算的,数组的算数和逻辑运算。与线性代数有关的操作。

很多情况下,我们可以与SciPy和 Matplotlib(绘图库)一起使用。来替代MatLab,下面我来来看一下numpy库的常见的一些操作。

#!/usr/bin/env python
# -*- coding: utf-8 -*- import numpy as np if __name__ == '__main__':
print(np.array([1, 2, 3]))

我们可以看到我们的输出为[1,2,3],类型为<class 'numpy.ndarray'>,我们可以将一个列表转化为数组。这里我也列出了一些最基本的用法

#!/usr/bin/env python
# -*- coding: utf-8 -*- import numpy as np if __name__ == '__main__':
a = np.array(['', '', ''])
print(a.size) # 数组的长度
print(a.shape) # 数组的结构
print(a.ndim) # 数组的维度
print(a.dtype) # 内部元素类型

创建10行10列的数值为浮点1的矩阵

array_one = np.ones([10, 10])

快创建10行10列的数值为浮点0的矩阵

array_zero = np.zeros([10, 10])

从现有的数据创建数组

  • array(深拷贝)
  • asarray(浅拷贝)
#!/usr/bin/env python
# -*- coding: utf-8 -*- import numpy as np if __name__ == '__main__':
a = array_one = np.ones([10, 10])
b = np.asarray(a)
print(id(a))
print(id(b))
c = np.array(b)
print(id(c))

说完了这些,我们应该对于numpy有了初步的认识,我们到这里知道了numpy.....原来是生成一个多维数组的玩意

我们再来深入的看一下numpy的内部信息吧。

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 对象是用于存放同类型元素的多维数组。

ndarray 中的每个元素在内存中都有相同存储大小的区域。

ndarray 内部由以下内容组成:

  • 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(shape)的元组,表示各维度大小的元组。

  • 一个跨度元组(stride),其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数

这里我们提到的了跨度,跨度可以是负数,这样会使数组在内存中后向移动,切片中 obj[::-1] 或 obj[:,::-1] 就是如此。注意这里是字节数,不是字符数。

创建一个 ndarray 只需调用 NumPy 的 array 函数即可,这里我们要说一个重要的属性,也是容易误解的属性->ndim,秩,即轴的数量或维度的数量,我们只记住他是维度的数量就ok了。

索引:

import numpy as np

if __name__ == '__main__':
a = np.arange(10)
print(a)
s = slice(2, 8, 2) # 从索引 2 开始到索引 8 停止,间隔为2,是一个左闭右开区间
print(a[s])

切片:

#!/usr/bin/env python
# -*- coding: utf-8 -*- import numpy as np if __name__ == '__main__':
a = np.arange(10)
print(a)
print(a[2:8:2]) # 从索引 2 开始到索引 8 停止,间隔为 2,不包含8的一个左闭右开区间

冒号 : 的解释:如果只放置一个参数,如 [2],将返回与该索引相对应的单个元素。如果为 [2:],表示从该索引开始以后的所有项都将被提取。如果使用了两个参数,如 [2:7],那么则提取两个索引(不包括停止索引)之间的项。

切片还可以包括省略号 …,来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号,它将返回包含行中元素的 ndarray。

a[...,n]) # 第n+1列元素
a[n,...]) # 第n+1行元素
#!/usr/bin/env python
# -*- coding: utf-8 -*- import numpy as np if __name__ == '__main__':
a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]])
print(a)
print(a[..., 2])
print(a[1, ...])

高级索引:

  NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外,数组可以由整数数组索引、布尔索引及花式索引。

#!/usr/bin/env python
# -*- coding: utf-8 -*- import numpy as np
x = np.array([[1, 2], [3, 4], [5, 6]])
y = x[[0,1,2], [0,1,0]]
print(x)
print (y)

在y的输出我们可以看到,我们对于X切片得到的y,其实[0,1,2],[0,1,0]两个数组,我们得到的是第0,0;1,1;2,0三个数据。

  布尔索引:

import numpy as np

x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
print('我们的数组是:')
print(x)
print('\n')
# 现在我们会打印出大于 5 的元素
print('大于 5 的元素是:')
print(x[x > 5])

我们得到的是所有大于5的元素。

使用NumPy、Numba的简单使用(一)的更多相关文章

  1. numpy和pandas简单使用

    numpy和pandas简单使用 import numpy as np import pandas as pd 一维数据分析 numpy中使用array, pandas中使用series numpy一 ...

  2. 使用NumPy、Numba的简单使用(二)

    本来要写NLP第三课动态规划的,日了,写到一半发现自己也不会了,理论很简单,动态规划咋回事也知道,但是实现在源码上还是有点难度,现在简单给予题目描述,小伙伴也可以来思考一下,例题一,我们现在有1元硬币 ...

  3. 利用Python进行数据分析(4) NumPy基础: ndarray简单介绍

    一.NumPy 是什么 NumPy 是 Python 科学计算的基础包,它专为进行严格的数字处理而产生.在之前的随笔里已有更加详细的介绍,这里不再赘述. 利用 Python 进行数据分析(一)简单介绍 ...

  4. pandas、matplotlib、Numpy模块的简单学习

    目录 一.pandas模块 二.matplotlib模块 1.条形图 2. 直方图 3.折线图 4.散点图+直线图 三.numpy 一.pandas模块 pandas是BSD许可的开源库,为Pytho ...

  5. Numpy入门(简单)

    NumPy介绍 最近因为需要使用python做一个数据处理的项目,所以粗略的学习了一下numpy,在此分享一下自己学习中遇到的一些问题和一些基础的名词. 什么是NumPy? python用于科学计算的 ...

  6. numpy 解一道简单数学题

    题目 A group took a trip on a bus, at 3 per child and 3.20 per adult for a total of 118.40. They took ...

  7. 利用pandas对numpy数组进行简单的科学计算

    二维数组转换为DataFrame pandas可直接进行科学计算形式: import numpy as np import pandas as pd a = [1,2,3] b = [4,5,6] # ...

  8. numpy基础篇-简单入门教程4

    np.set_printoptions(precision=3),只显示小数点后三位 np.random.seed(100) rand_arr = np.random.random([2, 2]) n ...

  9. numpy基础篇-简单入门教程3

    np import numpy as np np.__version__ print(np.__version__) # 1.15.2 numpy.arange(start, stop, step, ...

随机推荐

  1. CountDownLatch(闭锁)、Semaphore(信号量)、CyclicBarrier

    一.CountDowmLatch(闭锁)(倒计数锁存器) CountDownLatch类位于java.util.concurrent包下,在完成某些运算时,只有其他所有线程的运算全部完成,当前运算才继 ...

  2. XSS攻击(跨站脚本攻击)

    一.什么是XSS?怎么发生的? XSS(Cross site scripting)全称为跨站脚本攻击,是web程序中最常见的漏洞.指攻击者在网页中嵌入客户端脚本(例如Javascript),当用户浏览 ...

  3. TCP/IP:完全弄清OSI七层模型

    OSI七层背景概述 诞生于1983年,iso(国际标准委员会)设计并推出. 目的:实现网络行业的兼容性 OSI七层模型与TCP/IP相对应的层次: 一般来说,我们把上三层被称为应用层,下四层被称为数据 ...

  4. 打开Visual Studio 2017报错:未能正确加载“VSTS for Database Professionals Sql Server Data-tier Application”包

    出现如下错误 解决办法 > cmd > regsvr32 %windir%\system32\jscript.dll

  5. 4.智能快递柜(通信篇-SOCKET)

    1.智能快递柜(开篇) 2.智能快递柜(终端篇) 3.智能快递柜(通信篇-HTTP) 4.智能快递柜(通信篇-SOCKET) 5.智能快递柜(通信篇-Server程序) 6.智能快递柜(平台篇) 7. ...

  6. JDK10源码分析之HashMap

    HashMap在工作中大量使用,但是具体原理和实现是如何的呢?技术细节是什么?带着很多疑问,我们来看下JDK10源码吧. 1.数据结构 采用Node<K,V>[]数组,其中,Node< ...

  7. scrapy简单使用方法

    scrapy简单使用方法 1.创建项目:scrapy startproject 项目名例如:scrapy startproject baike windows下,cmd进入项目路径例如d:\pytho ...

  8. python 小数据池 深浅拷贝 集合

    1.小数据池: 1.1代码块: 一个文件,一个函数,一个类,一个模块,终端中每一行 1.1.1 数字: -5 ~ 256 1.1.2 字符串: 乘法时总长度不能超过20 1.1.3 布尔值: 内容相同 ...

  9. c++ 模板类,方法返回值类型是typedef出来的,或者是auto,那么此方法在类外面如何定义?

    c++ 模板类,方法返回值类型是typedef出来的,或者是auto,那么此方法在类外面如何定义? 比如方法max1的返回值是用typedef定义出来的mint,那么在类外如何定义这个方法呢? tem ...

  10. [MySQL] 解决Error 1698: Access denied for user 'root'@'localhost'

    当程序中使用root账号连接mysql时报以下错误,但是使用命令行是可以正常连接的,那么就查询下mysql数据库的user表,查看下当前用户的密码加密方式,看看是不是unix_socketMariaD ...