Numpy 的简单使用（一）

一.环境

本人使用的是Anaconda，免费的 Python 发行版，用于进行大规模数据处理、预测分析，和科学计算，致力于简化包的管理和部署。支持 Linux, Windows 和 Mac 系统。

二.ndarray对象

组成部分：

一个指向数据（内存或内存映射文件中的一块数据）的指针。

数据类型或 dtype，描述在数组中的固定大小值的格子。

一个表示数组形状（shape）的元组，表示各维度大小的元组。

一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

三.numpy.array()函数

格式：numpy.array(object,dtype,copy,order,subok,ndmin)

四.array()函数代码举例

import numpy as np
a = np.array([1,2,3])#一维数组
print(a)
 
b = np.array([[1,2],[3,4]])#二维数组
print(b)

import numpy as np 或import numpy 

这两种都需要在函数前加.

from numpy import *

不需要添加前缀

相同：两者都是导入numpy库的函数，变量，对象等

import numpy as np
a = np.array([[1,2,3],[4,5,6],[1,2,3]],ndmin = 4)#最小维度
print(a)
 
 
[[[[1 2 3]
   [4 5 6]
   [1 2 3]]]]

dtype的值可以是很多：

五.numpy.dtype()函数

格式：numpy.dtype(object,align,copy)

dtype()代码举例

import numpy as np
a = np.dtype(np.int64)
print(a)
 
 
int64

创建数据类型代码举例

import numpy as np
 
dt = np.dtype([('age',np.int8)]) 
a = np.array([(10,),(20,),(30,)]) 
print(a)
a = np.array([(10),(20),(30)])
print(a)
a = np.array([(10,),(20),(30)],dtype = dt)
print(a)
 
[[10]
 [20]
 [30]]
[10 20 30]
[(10,) (20,) (30,)]

六.array的属性

也就是用一些函数求一些数组自身的特征，比如数组的维数，数组的大小。

ndim()用于求数组维数

import numpy as np
a = np.arange(24)
print(a.ndim)
a = a.reshape(2,4,3)
print(a.ndim)
 
 
1
3

shape()函数用于求数组的行列数或改变行列数

import numpy as np
a = np.array([[2,3],[4,5]])
print(a.shape)
a.shape=(1,4)
print(a)
print(a.shape)
 
(2, 2)
[[2 3 4 5]]
(1, 4)
 

reshape（）也可用于调整数组行列数

itemsize()可以返回元素大小

import numpy as np
a = np.array([1,2,3],dtype =float)
print(a.itemsize)
 
8

flags（）返回内存使用情况

import numpy as np
a = np.array([1,2,3],dtype =float)
print(a.flags)
 
 C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

含义如上

七.快速创建数组的函数

empty（）方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组

格式如下：numpy.empty(shape, dtype = float, order = 'C')

import numpy as np
a = np.empty([2,3],dtype = float)
print(a)
 
[[0. 0. 0.]
 [0. 0. 0.]]

zeros()全零矩阵

import numpy as np
a = np.zeros((2,3),dtype = int)
print(a)
b = np.zeros(5)
print(b)
 
[[0 0 0]
 [0 0 0]]
[0. 0. 0. 0. 0.]

ones()全1矩阵

import numpy as np
a = np.ones((2,3),dtype = int)
print(a)
b = np.ones(5)
print(b)
 
[[1 1 1]
 [1 1 1]]
[1. 1. 1. 1. 1.]

八.从已有数组创建数组

asarray()函数可以将列表、元组、等转化为矩阵数组

import numpy as np
a = [(1,2,3),(2,3,4)]
s = np.asarray(a)
print(s)
 
[[1 2 3]
 [2 3 4]]

frombuffer实现动态数组

格式：numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

import numpy as np
a  = b'hello cat'
s  = np.frombuffer(a,dtype='S1')
print(s)
 
[b'h' b'e' b'l' b'l' b'o' b' ' b'c' b'a' b't']

   至于为什么要加b，希望评论区能给一个好的解释。

fromiter（）方法从可迭代对象中建立 ndarray 对象，返回一维数组

格式numpy.fromiter(iterable, dtype, count=-1)

import numpy as np
list = range(5)
it  = iter(list)
x = np.fromiter(it,dtype = int)
print(x)
 
 
[0 1 2 3 4]