这篇文章主要介绍了python numpy库,numpy是一个开源的python科学计算扩展库,主要用来处理任意维度数组和矩阵。相同的任务,使用numpy比直接用python的基本数据结构更加简单高效,下面一起进入文章了解更多详细内容吧 目录1.NumPy( Numeric Python)
它的功能:
2.numpy的引用虽说别名可以省略或者更改,但尽量使用上述约定的别名 3.Ndarrayn维数组,它是一个相同数据类型的集合,以0为下标开始进行集合中元素的索引。 列表:数据类型可以不同(如[3, 2.4 ,'a’ ,“abc”]),数据是有序的 引入n维数组的意义观察下列两组操作,其功能都是一样的。 import numpy as np def pysum(): a = [1, 2, 3, 4] b = [5, 6, 7, 8] c = [] for i in range(len(a)): c.append(a[i]**2+b[i]**3) return c def numpysum(): a = np.array([1, 2, 3, 4]) b = np.array([5, 6, 7, 8]) c = a**2+b**3 return c print("使用列表运算的结果是:", pysum()) print("使用Numpy运算的结果是:", numpysum()) 运行结果:
但是很明显:
通常情况下,在科学运算中,一个维度所有数据的类型往往相同,这时,使用数组对象采用相同的数据类型,有助于节省运算时间和存储空间 ndarray的组成
ndarray对象的属性3.数据类型当
ndarray数组的创建import numpy as np x = np.array([[1, 0], [2, 0], [3, 1]], np.int32) print(x) print(x.dtype) 程序输出:
adarray数组的变换ndarray数组运算4.索引与切片
5.随机数函数6.统计函数7.梯度函数8.副本与视图numpy线性代数数组与标量之间的运算常用numpy.linalg函数总结(好家伙, |
|