科学计算库numpy学习 (一)

一、numpy简介

1. Numpy全名叫Numeric Python,是一个开源的Python科学计算库,它包括:

• 一个强大的N维数组对象ndrray；
• 比较成熟的函数库；
• 用于整合C/C++和Fortran代码的工具包；
• 实用的线性代数、傅里叶变换和随机数生成函数

2. numpy的优势

• 对于同样的数值计算任务，由于NumPy能够直接对数组和矩阵进行操作， 可以省略很多循环语句使用NumPy要比直接编写Python代码便捷得多
• NumPy中数组的存储效率和输入输出性能均远远优于Python中等价的基 本数据结构
• NumPy的大部分代码都是用C语言写成的，这使得NumPy比纯Python代 码高效得多

验证效率:创建2个矩阵，让2个矩阵相加，分别使用numpy和list实现对比它们的执行时间

可以看到numpy在这里创建数组的效率是list的近90倍

二、ndarray数组对象

ndarray是numpy中的多维数组,它是一个快速而灵活的容器

1. 创建ndarray
   ···Python
   a = np.array([1, 2, 3])
   print(a)
   print(a.shape)#返回数组所有维度的长度
   print(a.dtype)#获取数组的item类型

2. 创建多维数组
```Python
a = np.array([np.arange(2), np.arange(2)])#创建一个2*2的数组
b = np.zeros((2, 2))#所有元素的值为0
c = np.ones((1, 2))#所有元素的值为1
d = np.full((2, 2), 7)#所有元素的值为7
e = np.eye(2)#对角阵
f = np.eye(6, k=2)#k为正数则将对角阵向右上角移动,为负数向坐下移动
g = np.random.random((5, 5))#随机0-1 5*5ndarray
h = np.random.randint(100, size=(3, 3))#0-100的整数,size参数是数组的维度

二、numpy类型简介

• bool 用一位存储的布尔类型
• inti 由所在平台决定的整形精度
• int8 8位整数
• int16 16位整数
• int32 32位整数
• int64 64位整数
• uint8 无符号8位整数
• uint16 无符号16位整数
• uint32 无符号32位整数
• uint64 无符号64位整数
• float16 半精度浮点数
• float32 单精度浮点数
• float64或float 双精度浮点数
• complex64 复数,分别用2个32位浮点数表示实数和虚数
• complex128 复数
  每一种数据类型都有对应的类型转换函数

np.bool(0)

自定义类型

#自定义数据类型
t = np.dtype([("name", np.str_, 40), ("num", np.int32), ("price", np.float32)])
t.names
products = np.array([("DVD", 10, 20), ("VCD", 12, 60)], dtype=t)
products
for i in range(products.size):
    print(products[i])
    print(products[i]["name"])
    print(products[i]["num"])
    print(products[i]["price"])

输出: