美文网首页Python策略大本营2:自由,平等,友爱。
Python 科学计算库 NumPy 学习笔记 - 1 - Nu

Python 科学计算库 NumPy 学习笔记 - 1 - Nu

作者: 游文影月志 | 来源:发表于2020-09-11 19:59 被阅读0次

    电梯直达:
    Python 科学计算库 NumPy 学习笔记 - 1
    Python 科学计算库 NumPy 学习笔记 - 2
    Python 科学计算库 NumPy 学习笔记 - 3
    Python 科学计算库 NumPy 学习笔记 - 4
    Python 科学计算库 NumPy 学习笔记 - 5
    Python 科学计算库 NumPy 学习笔记 - 6
    Python 科学计算库 NumPy 学习笔记 - 7
    Python 科学计算库 NumPy 学习笔记 - 8

    1. NumPy 的安装和引入

    pip install numpy
    
    import numpy as np
    np.__version__
    
    '1.19.0'
    

    2. Python 中的数据类型

    Python 是一种动态类型语言。因此,Python 变量不仅仅是一个简单的值,它们还包含关于数据类型等额外信息。

    Python 列表中的每个项都必须包含自己的类型信息、引用计数和其他信息,如果列表的所有元素都是同一类型,那这些重复的信息就是冗余的。这种情况,将数据存储在固定类型数组中会更好。

    在 Python 种,可以通过下面这种方式创建固定类型数组:

    import array
    a = list(range(5))
    A = array.array('i', a)
    A
    
    array('i', [0, 1, 2, 3, 4])
    

    其中,i 表示列表中每一个元素的数据类型都是整数,即 integers。

    3. NumPy 利用 Python 列表创建数组

    import numpy as np
    np.array([1, 2, 3])
    
    array([1, 2, 3])
    

    如果数据类型不同,NumPy 将会尝试转换为统一的数据类型。

    np.array([1.1, 2, 3])
    
    array([1.1, 2. , 3. ])
    

    也可以使用 dtype 参数指定数据类型:

    np.array([1.9, 2, 3], dtype='int')
    
    array([1, 2, 3])
    

    利用列表初始化多维数组:

    np.array([range(i, i+5) for i in [1, 2, 3]])
    
    array([[1, 2, 3, 4, 5],
           [2, 3, 4, 5, 6],
           [3, 4, 5, 6, 7]])
    

    4. NumPy 从零开始创建数组

    创建一个用 0 填充的,长度为 5 的整数数组:

    np.zeros(5, dtype='int')
    
    array([0, 0, 0, 0, 0])
    

    创建一个由6个值组成的数组,这些值在0和1之间均匀分布:

    np.linspace(0, 1, 6)
    
    array([0. , 0.2, 0.4, 0.6, 0.8, 1. ])
    

    用大于等于 0 且小于 10 的数字创建一个 3x3 的矩阵:

    np.random.randint(0, 10, (3, 3))
    
    array([[6, 3, 4],
           [6, 5, 2],
           [2, 7, 9]])
    

    5. NumPy 标准数据类型

    数据类型 描述
    bool_ 布尔值 (True or False) ,以字节形式存储
    int_ 默认整数类型,与 C 语言的 long 相同,通常为 int64 或 int32
    intc 与 C 语言的 int 相同(通常为int32或int64)
    intp Integer used for indexing (same as C ssize_t; normally either int32 or int64)
    int8 Byte (-128 to 127)
    int16 Integer (-32768 to 32767)
    int32 Integer (-2147483648 to 2147483647)
    int64 Integer (-9223372036854775808 to 9223372036854775807)
    uint8 Unsigned integer (0 to 255)
    uint16 Unsigned integer (0 to 65535)
    uint32 Unsigned integer (0 to 4294967295)
    uint64 Unsigned integer (0 to 18446744073709551615)
    float_ Shorthand for float64.
    float16 Half precision float: sign bit, 5 bits exponent, 10 bits mantissa
    float32 Single precision float: sign bit, 8 bits exponent, 23 bits mantissa
    float64 Double precision float: sign bit, 11 bits exponent, 52 bits mantissa
    complex_ Shorthand for complex128.
    complex64 Complex number, represented by two 32-bit floats
    complex128 Complex number, represented by two 64-bit floats

    6. NumPy 数组的属性

    • ndim : 数组的维度
    • shape : 数组每个维度的大小
    • size : 数组的总大小. 每个维度的大小的乘积.
    • dtype : 元素类型
    • itemsize : 元素字节大小
    • nbytes : 数组总字节大小. 一般可认为 itemsize * size
    x = np.random.randint(10, size=(2, 4, 6))
    print(x)
    print(x.ndim)
    print(x.shape)
    print(x.size)
    print(x.dtype)
    print(x.itemsize)
    print(x.nbytes)
    
    [[[9 3 0 2 1 8]
      [8 2 5 7 2 4]
      [8 3 8 8 5 3]
      [1 9 2 7 8 1]]
    
     [[2 2 5 9 5 1]
      [9 1 4 0 0 2]
      [1 8 2 6 4 4]
      [4 3 1 8 0 2]]]
    3
    (2, 4, 6)
    48
    int32
    4
    192
    

    7. NumPy 数组的索引值

    x[1, 3, 5]
    
    2
    
    x[1, 3, 5] = 3
    x
    
    array([[[9, 3, 0, 2, 1, 8],
            [8, 2, 5, 7, 2, 4],
            [8, 3, 8, 8, 5, 3],
            [1, 9, 2, 7, 8, 1]],
    
           [[2, 2, 5, 9, 5, 1],
            [9, 1, 4, 0, 0, 2],
            [1, 8, 2, 6, 4, 4],
            [4, 3, 1, 8, 0, 3]]])
    

    相关文章

      网友评论

        本文标题:Python 科学计算库 NumPy 学习笔记 - 1 - Nu

        本文链接:https://www.haomeiwen.com/subject/qdbbektx.html