Numpy

标签：c语言   科学计算   false   补充   hid   pytho   open   多少   需要   

一:基础简介

1:介绍

Numpy是高性能科学计算和数据分析的基础包。它也是pandas等其他数据分析的工具的基础，基本所有数据分析的包都用过它。NumPy为Python带来了真正的多维数组功能，并且提供了丰富的函数库处理这些数组。它将常用的数学函数都支持向量化运算，使得这些数学函数能够直接对数组进行操作，将本来需要在Python级别进行的循环，放到C语言的运算中，明显地提高了程序的运算速度。

2:安装方式

pip install numpy

3:引用方式

import numpy as np  # 行业内默认起个别名 np

这是官方认证的导入方式，可能会有人说为什么不用from numpy import *,是因为在numpy当中有一些方法与Python中自带的一些方法，例如max、min等冲突，为了避免这些麻烦大家就约定俗成的都使用这种方法。

二:ndarray -多维数组对象

1:ndarray使用方式

import numpy as np   # 导入numpy模块

np.array()   # 生成ndarray对象

2:ndarray使用优势

(1)如图所示 求商品总价格

方法一:通过for循环 循环出一个个元素

方法二:通过匿名函数 zip做出映射

PS：上述方法都是太麻烦

PS:

　　（1）此种方式就简单方便很多

3:ndarray是一个多维的数组列表

 PS:和列表的区别

• 数组对象内的元素类型必须相同
• 数组大小不可修改

4:常用属性

l1= [ [1,2,3,4],[5,6,7,8]]
res1 = np.array(l1)
res1.T

array([[1, 5],  # 行列对换
       [2, 6],
       [3, 7],
       [4, 8]])
PS:其余比较简单 此处不写案例了

5:数据类型

PS:

　　（1）整型： int32只能表示(-2**31，2**31-1),因为它只有32个位，只能表示2**32个数

　　（2）无符号整型： 只能用来存正数，不能用来存负数 补充：

　　（3）astype()方法可以修改数组的数据类型

 6:ndarray创建

np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])   # 与python的range一样 顾头不顾尾


np.linspace(2,3,num=5,endpoint=False)   ### 在2 3之间平均分成五份 endpoint表示是否要包含尾部

array([2. , 2.2, 2.4, 2.6, 2.8])



np.zeros(10)  ### 表示生成多少个0
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])


np.ones(10)   ### 表示生成多少个1
array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])


np.empty([2,3])   ### 随机生成一个数组
array([[4.25e-322, 0.00e+000, 0.00e+000],
       [0.00e+000, 0.00e+000, 0.00e+000]])

np.eye(5)   ### 建立矩阵
array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])

使用方法

Numpy

标签：c语言   科学计算   false   补充   hid   pytho   open   多少   需要   

原文地址：https://www.cnblogs.com/SR-Program/p/11972478.html