numpy的基本使用一

numpy（numerical python）提供了python對多維陣列物件的支援：ndarray，具有向量運算能力，快速、節省空間。numpy支援高階大量的維度陣列與矩陣運算，此外也針對陣列運算提供大量的數學函式庫。

numpy支援比python更多種類的數值型別。numpy數值是dtype(資料型別)物件的例項，每個物件具有唯一的特徵。

ndarray：n維陣列物件（矩陣），所有元素必須是相同型別。

ndarray屬性：ndim屬性，表示維度個數；shape屬性，表示各維度大小；dtype屬性，表示資料型別。

ndarray 內部由以下內容組成：

陣列建立函式

建立乙個 ndarray 只需呼叫 numpy 的array 函式即可：

numpy.array(object, dtype = none, copy = true, order = none, subok = false, ndmin = 0)

引數說明：

# 等間隔數字的陣列

b = np.arange(10)

;print

(b)# [0 1 2 3 4 5 6 7 8 9]

# 多於乙個維度

a=np.array([[

1,2]

,[3,

4]])

(a)#[[1 2]

# [3 4]]

# dtype 引數

import numpy as np

a = np.array([1

,2,3

], dtype =

complex

)print

(a)#[1.+0.j 2.+0.j 3.+0.j]

numpy 支援的資料型別比 python 內建的型別要多很多，基本上可以和 c 語言的資料型別對應上，其中部分型別對應為 python 內建的型別。

dtype 物件是使用以下語法構造的：numpy.dtype(object, align, copy)

import numpy as np
# 使用標量型別
dt = np.dtype(np.int32)
print
(dt)
#32import numpy as np
# int8, int16, int32, int64 四種資料型別可以使用字串 'i1', 'i2','i4','i8' 代替
dt = np.dtype(
'i4'
)print
(dt)
#int32
import numpy as np
# 位元組順序標註
dt = np.dtype(
')print
(dt)
#int32

結構化資料型別的使用，型別欄位和對應的實際型別將被建立。

# 首先建立結構化資料型別
import numpy as np
dt = np.dtype([(
'age'
,np.int8)])
print
(dt)
#[('age', 'i1')]
# 將資料型別應用於 ndarray 物件
import numpy as np
dt = np.dtype([(
'age'
,np.int8)]) 
a = np.array([(
10,),
(20,)
,(30,
)], dtype = dt)
print
(a)#[(10,) (20,) (30,)]
# 型別欄位名可以用於訪問實際的 age 列
import numpy as np
dt = np.dtype([(
'age'
,np.int8)]) 
a = np.array([(
10,),
(20,)
,(30,
)], dtype = dt)
print
(a['age'])
# [10 20 30]

乙個結構化資料型別 student，包含字串字段 name，整數字段 age，及浮點字段 marks，並將這個 dtype 應用到 ndarray 物件。

import numpy as np
student = np.dtype([(
'name'
,'s20'),
('age'
,'i1'),
('marks'
,'f4')]
)print
(student)
# [('name', 's20'), ('age', 'i1'), ('marks', 'import numpy as np
student = np.dtype([(
'name'
,'s20'),
('age'
,'i1'),
('marks'
,'f4')]
) a = np.array([(
'abc',21
,50),
('xyz',18
,75)]
, dtype = student)
print
(a)#[(b'abc', 21, 50.) (b'xyz', 18, 75.)]

每個內建型別都有乙個唯一定義它的字元**，如下：

numpy 陣列的維數稱為秩（rank），一維陣列的秩為 1，二維陣列的秩為 2，以此類推。

在 numpy中，每乙個線性的陣列稱為是乙個軸（axis），也就是維度（dimensions）。比如說，二維陣列相當於是兩個一維陣列，其中第乙個一維陣列中每個元素又是乙個一維陣列。所以一維陣列就是 numpy 中的軸（axis），第乙個軸相當於是底層陣列，第二個軸是底層陣列裡的陣列。而軸的數量——秩，就是陣列的維數。

很多時候可以宣告 axis。axis=0，表示沿著第 0 軸進行操作，即對每一列進行操作；axis=1，表示沿著第1軸進行操作，即對每一行進行操作。

numpy 的陣列中比較重要 ndarray 物件屬性有：

# (3, 2) 三行兩列

data =[[

1,2,

3],[

2,4,

6],[

7,61,

15]]x = np.array(data)

(x.shape)

(x.ndim)

#ndarray的shape有幾個數字, ndim就是多少

#(3, 3)

#2# 現在調整其大小

b = a.reshape(2,

4,3)

# b 現在擁有三個維度

(b.ndim)

numpy的基本使用一

numpy基本使用

機器學習 Numpy的基本使用

資料分析 numpy的基本使用

numpy的基本使用 一

numpy基本使用

機器學習 Numpy的基本使用

資料分析 numpy的基本使用

相關推薦

numpy的基本使用一