Python教程

Python NumPy库入门

本文主要是介绍Python NumPy库入门,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

第一周 数据分析之表示

单元一: NumPy库入门

数据的维度

维度:一组数据的组织形式

一维数据:一维数据由对等关系的有序或无序数据构成,采用线性方式组织,对应列表、数组和集合等概念

​ 列表和数组 区别:列表的数据类型可以不同,数组的数据类型相同

二维数据: 二维数据是有多个一维数据构成,是一维数据的组合形式。表格是典型的二维数据,其中,表头是二维数据的一部分

多维数据:多维数据有一维或二维在新维度上扩展而成

高维数据:高维数据仅利用最基本的二元关系展示数据间的复杂结构。

数据维度的Python展示

数据维度是数据的组织形式

一维数据:列表和集合类型

二维数据:列表类型

多维数据:列表类型

高维数据:字典类型或数据表示格式JSON、XML、YAML格式

NumPy的数组对象:ndarray

NumPy的介绍:

NumPy的引用:

import numpy as np

思考:Python已有列表类型,为什么还需要一个数组对象(类型)?

  1. 数组对象可以去掉元素间运算所需的循环,使一维向量更像单个数据

  2. 设置专门的数组对象,经过优化可以提高运算速度

  3. 在科学计算中,一个维度所有的数据类型往往相同。数组对象采用相同的数据类型,有助于节省运算和存储空间

N维数组对象:ndarray

介绍:

ndarray是一个多维数组对象,有两部分构成 实际的数据 ,描述这些数据的元数据(数据维度,数据类型等)

ndarray数组一般要求所有元素类型相同(同质),数组下标从0开始

ndarray对象的属性

属性 说明
.ndim 秩,即轴的数量或维度的数量
.shape ndarray对象的尺度,对于矩阵,n行m列
.size ndarray对象元素的个数,相当于.shape中n*m的值
.dtype ndarray对象的元素类型
.itemsize ndarray对象中每个元素的大小,以字节为单位

ndarray的元素类型

数据类型 说明
bool 布尔类型,True或False
intc 与C语言中的int类型一致,一般是int32或int64
intp 用于索引的整数,与C语言中ssize_t一致,int32或int64
int8 字节长度的整数,取值:\([-128,127]\)
int16 16位长度的整数,取值:\([-32768,32767]\)
int32 32位长度的整数,取值:\([-2^{31},2^{31}-1]\)
int64 64位长度的整数,取值:\([-2^{63},2^{63}-1]\)
uint8 8位无符号整数,取值:\([0,255]\)
uint16 16位无符号整数,取值:\([0,65535]\)
uint32 32位无符号整数,取值:\([0,2^{32}-1]\)
uint64 64位无符号整数,取值:\([0,2^{64}-1]\)
float16 16位半精度浮点数:1位符号位,5位指数,10位尾数
float32 32位半精度浮点数:1位符号位,8位指数,23位尾数
float64 64位半精度浮点数:1位符号位,11位指数,52位尾数
complex64 复数类型,实部和虚部都是32位浮点数
complex128 复数类型,实部和虚部都是64位浮点数

思考:为什么ndarray要支持这么多中元素类型?

对比:Python语法仅支持整数、浮点数和复数三种类型

  1. 科学计算涉及数据比较多,对存储和性能都有较高要求
  2. 对元素类型精细定义,有助于NumPy合理使用存储空间并优化性能
  3. 对元素类型精确定义,有助于程序员对程序规模有合理评估

非同质的ndarray对象

ndarray数组可以由非同质对象构成,

非同质ndarray元素为对象类型,非同质对象无法发挥NumPy优势,尽量避免

ndarray数组的创建

ndarray数组的创建方法

  1. 从Python列表、元组等类型创建ndarray数组
  2. 使用NumPy中函数创建ndarray数组,如:arange,ones,zeros等
  3. 从字节流(raw,bytes)中创建ndarray数组
  4. 从文件中读取特定格式,创建ndarray数组

1 从Python列表、元组等类型创建ndarray数组

2 使用NumPy中函数创建ndarray数组,如:arange,ones,zeros等

函数 说明
np.arrange(n) 类似range()函数,返回ndarray类型,元素从0到n-1
np.ones(shape) 根据shape生成一个全1数组,shape是元组类型
np.zeros(shape) 根据shape生成一个全0数组,shape是元组类型
np.full(shape,val) 根据shape生成一个数组,每个元素值都是val
np.eye(n) 创建一个正方的n*n单位矩阵,对角线为1,其余为0

函数 说明
np.ones_like(a) 根据数组a的形状生成一个全1数组
np.zeros_like(a) 根据数组a的形状生成一个全0数组
np.full_like(a,val) 根据数组a的形状生成一个数组,每个元素值都是val
np.linspace() 根据起止数据等距填充数据,形成数组
np.concatenate() 将两个或多个数组合并成为一个新的数组

ndarray数组的变换

对于·创建后的ndarray数组可以对其进行维度变换和元素类型变换

ndarray数组的维度变换

方法 说明
.reshape(shape) 不改变数组元素,返回一个shape形状的数组,原数组不变
.resize(shape) 与reshape()功能一致,但修改原数组
.swapaxes(ax1,ax2) 将数组n个维度中的两个维度进行调换
.flatten() 对数组进行降维,返回折叠后的一维数组,原数组不变

ndarray数组的类型转换

new_a = a.astype(new_type)

astype()方法一定会创建新的数组(原始数据的一个拷贝),即使两个类型一致

ndarray数组向列表的转换

ls = a.tolist()

ndarray数组的索引与切片

索引: 获取数组中特定位置元素的过程

切片:获取数组元素子集的过程

一维数组的索引与切片:与Python的列表类似

起始编号:终止编号:步长

​ **编号0从左端递增,或-1从右端递减 **

多维数组的索引:

每个维度一个索引值,逗号分割

多维数组的切片:

选取一个维度用: 每个维度切片方法与一维数组相同 每个维度可以使用步长跳跃切片

ndarray数组与标量之间的运算

数组与标量之间的运算作用于数组的每个元素

NumPy一元函数

对ndarray中的数据执行元素级别的函数

注意数组是否被改变

NumPy二元函数

这篇关于Python NumPy库入门的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!