学习目标● Numpy是什么 ● 初始numpy 基础操作 ● ndarray对象的创建 ● 基础数学操作 ● 数据下标访问 ● 数组切片访问 ● numpy 重要函数 ● 数组合并 Numpy 是什么NumPy(Numerical Python) Python语言的一个扩展程序库,支持大量的维度数组与矩阵运算。 数组运算: 提供大量的数学函数库 特点: 是一个运行速度非常快的数据库,主要用于数组计算 目标: 处理多维度同类型数据的数组,在numpy中维度我们可以axes来表示,创建对象类型: numpy.ndarray 初步认识numpy基本操作import numpy as np print(np.__version__) '1.16.2' 首先,我们可以创建一个数组 data = np.arange(15) print(data) array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]) 然后,我们可以reshape进行变换,对象类型numpy.ndarray 最后,我们看看numpy.ndarray 有哪些重要的属性和方法 重点分析了我们常用的几个内容 ndarray 对象创建● python list or tuple作为输入 ● zeros 函数 ● empty 函数 ● ones 函数 ● random 函数 一般创建方法,我们可以用python list 或者tuple 作为输入创建ndarray 常见的数学操作A 和 B 分别是numpy array的两个数组 数组下标元素访问python 通过索引方式获取数据 我们可以把ndarray的数组看成一个矩阵,然后再次获取数据的时候就很容易了 单维度数据访问单维度数据访问语法: x[start:stop:step] 默认数值 start=0,stop=size of dimension step = 1 多维度数据访问numpy 重要函数reshape操作通过reshape 数组,可以改变array的数据结构,这里,创建 3*3 的矩阵 squeeze从数组形状中删除 单维度条目,即把shape中为1的维度去掉 transpose 函数不同维度之间的转化,高纬度情况下,通过numpy这个函数非常重要,这块图像处理的时候 例如: 图像 3 通道,不同维度的数据互换 argmax 函数argmax 返回的是最大数的索引,argmax 有个参数axis,默认0,表示第几维的最大数值 Array 组合不同array 进行基础的操作组合 np.concatenatevstack/hstackvstack 水平方向组合两个ndarray 的对象 |
|