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. SpringBoot 2.X从0到1实现邮件发送功能

    Spring中提供了JavaMailSender接口实现邮件发送功能,在SpringBoot2.X中也封装了发送邮件相关的Starter并且提供了自动化配置. 本文目录 一.添加对应的Starter二 ...

  2. MySQL学习——操作表里的数据

    MySQL学习——操作表里的数据 摘要:本文主要学习了使用DML语句操作表里数据的方法. 插入数据 语法 通过传入数据插入: insert into 表名 [(列名1, …, 列名n)] values ...

  3. Excel的VBA小练习

    从我学生时代就知道EXCEL,但是对VBA了解那可真是中学认知了,但是很遗憾,那时没太研究,就像BASIC一样,那时的视野层面认为代码没有大括号什么的,看着也麻烦,其实是没有编程经验,所以看着不适应, ...

  4. node设置跨域白名单

    // 判断origin是否在域名白名单列表中 function isOriginAllowed(origin, allowedOrigin) { if (_.isArray(allowedOrigin ...

  5. arcgis api for javascript 学习(四) 地图的基本操作

    1.文章讲解的为地图的平移.放大.缩小.前视图.后视图以及全景视图的基本功能操作 2.主要用到的是arcgis api for javascript中Navigation的用法,代码如下: <! ...

  6. haproxy动静分离的验证

    线上出现过项目的静态文件被拦截,不能直接访问.所以想到了haproxy指向对应的url来访问静态文件,想到这里在网络搜索了下,确实有此功能.立即上测试环境验证下: 在listen中增加两行: ​ #定 ...

  7. 源码编译Kubeadm二进制文件

    kubeadm是Kubernetes官方提供的用于快速安装Kubernetes集群的工具,伴随Kubernetes每个版本的发布都会同步更新,kubeadm会对集群配置方面的一些实践做调整,通过实验k ...

  8. 理解docker镜像

    镜像是用来启动容器的只读模板,是容器启动所需要的rootfs,类似于虚拟机所使用的镜像. 列出本机镜像 [root@localhost ~]# docker imagesREPOSITORY TAG ...

  9. C++中的C

    前言 因为C++是以C为基础的,所以要用C++编程就必须熟悉C的语法. C语言的学习可以学习K & R C的<C程序设计语言> 创建函数 Q: 函数原型? A: 标准C/C++有一 ...

  10. 用一个例子说明oracle临时表,创建过程,

    --创建临时表,规定好格式,是必须的,不同于sqlserver那么随意: Create Global Temporary Table record4 (   yljgdm VARCHAR2(22) n ...