Python科学计算库Numpy数组初始化和基本 *** 作的简单示例

概述Python科学计算库Numpy数组初始化和基本 *** 作的简单示例 对python这个高级语言感兴趣的小伙伴，下面一起跟随内存溢出 jb51.cc的小编两巴掌来看看吧！

NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested List structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。它包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。

今天我们来看下Numpy数组。

 

一. Numpy数组对象

 

Numpy中的多维数组称为ndarray，它有两个组成部分。

数据本身。

描述数据的元数据。

 

它有以下几个属性：

 

ndarray.ndim：数组的维数

ndarray.shape：数组每一维的大小

ndarray.size：数组中全部元素的数量

ndarray.dtype：数组中元素的类型（numpy.int32,numpy.int16,and numpy.float64等）

ndarray.itemsize：每个元素占几个字节

 

在数组的处理过程中，原始数据不受影响，变化的只是元数据。

 

Numpy数组通常是由相同种类的元素组成，即数组中数据类型必须一致。好处是：数组元素类型相同，可轻松确定存储数组所需的空间大小。同时，numpy可运用向量化运算来处理整个数组。Numpy数组的索引从0开始。

 

例子：

>>> import numpy as np>>> a = np.arange(15).reshape(3,5)>>> aarray([[ 0,1,2,3,4],[ 5,6,7,8,9],[10,11,12,13,14]])>>> a.shape(3,5)>>> a.ndim2>>> a.dtype.name'int64'>>> a.itemsize8>>> a.size15>>> type(a)<type 'numpy.ndarray'>>>> b = np.array([6,8])>>> barray([6,8])>>> type(b)<type 'numpy.ndarray'># End www.jb51.cc

 

二.创建数组：

 

使用array函数讲tuple和List转为array：

>>> import numpy as np>>> a = np.array([2,4])>>> aarray([2,4])>>> a.dtypedtype('int64')>>> b = np.array([1.2,3.5,5.1])>>> b.dtypedtype('float64')# End www.jb51.cc

 

多维数组：

>>> b = np.array([(1.5,3),(4,5,6)])>>> barray([[ 1.5,2.,3. ],[ 4.,5.,6. ]])# End www.jb51.cc

生成数组的同时指定类型：

>>> c = np.array( [ [1,2],[3,4] ],dtype=complex )>>> carray([[ 1.+0.j,2.+0.j],[ 3.+0.j,4.+0.j]])# End www.jb51.cc

 

生成数组并赋为特殊值：

ones：全1

zeros：全0

empty：随机数，取决于内存情况

>>> np.zeros( (3,4) )array([[ 0.,0.,0.],[ 0.,0.]])>>> np.ones( (2,4),dtype=np.int16 )                # dtype can also be specifIEdarray([[[ 1,1],[ 1,1]],[[ 1,1]]],dtype=int16)>>> np.empty( (2,3) )                                 # uninitialized,output may varyarray([[  3.73603959e-262,6.02658058e-154,6.55490914e-260],[  5.30498948e-313,3.14673309e-307,1.00000000e+000]])# End www.jb51.cc

生成均匀分布的array：

arange（最小值，最大值，步长）（左闭右开）

linspace（最小值，最大值，元素数量）

>>> np.arange( 10,30,5 )array([10,15,20,25])>>> np.arange( 0,0.3 )                 # it accepts float argumentsarray([ 0.,0.3,0.6,0.9,1.2,1.5,1.8])>>> np.linspace( 0,9 )                 # 9 numbers from 0 to 2array([ 0.,0.25,0.5,0.75,1.,1.25,1.75,2.  ])>>> x = np.linspace( 0,2*pi,100 )        # useful to evaluate function at lots of points# End www.jb51.cc

 

三.基本运算:

 

整个array按顺序参与运算：

>>> a = np.array( [20,40,50] )>>> b = np.arange( 4 )>>> barray([0,3])>>> c = a-b>>> carray([20,29,38,47])>>> b**2array([0,4,9])>>> 10*np.sin(a)array([ 9.12945251,-9.88031624,7.4511316,-2.62374854])>>> a<35array([ True,True,False,False],dtype=bool)# End www.jb51.cc

 

两个二维使用*符号仍然是按位置一对一相乘，如果想表示矩阵乘法，使用dot：

>>> A = np.array( [[1,...             [0,1]] )>>> B = np.array( [[2,0],...             [3,4]] )>>> A*B                         # elementwise productarray([[2,[0,4]])>>> A.dot(B)                    # matrix productarray([[5,4]])>>> np.dot(A,B)                # another matrix productarray([[5,4]])# End www.jb51.cc

 

内置函数（min,max,sum)，同时可以使用axis指定对哪一维进行 *** 作：

>>> b = np.arange(12).reshape(3,4)>>> barray([[ 0,3],[ 4,7],[ 8,9,10,11]])>>>>>> b.sum(axis=0)                            # sum of each columnarray([12,18,21])>>>>>> b.min(axis=1)                            # min of each rowarray([0,8])>>>>>> b.cumsum(axis=1)                         # cumulative sum along each rowarray([[ 0,6],22],17,27,38]])# End www.jb51.cc

 

Numpy同时提供很多全局函数

>>> B = np.arange(3)>>> Barray([0,2])>>> np.exp(B)array([ 1.,2.71828183,7.3890561 ])>>> np.sqrt(B)array([ 0.,1.41421356])>>> C = np.array([2.,-1.,4.])>>> np.add(B,C)array([ 2.,6.])# End www.jb51.cc

 

四.寻址，索引和遍历：

 

一维数组的遍历语法和Python List类似：

>>> a = np.arange(10)**3>>> aarray([  0,64,125,216,343,512,729])>>> a[2]8>>> a[2:5]array([ 8,64])>>> a[:6:2] = -1000    # equivalent to a[0:6:2] = -1000; from start to position 6,exclusive,set every 2nd element to -1000>>> aarray([-1000,-1000,729])>>> a[ : :-1]                                 # reversed aarray([  729,-1000])>>> for i in a:...     print(i**(1/3.))...nan1.0nan3.0nan5.06.07.08.09.0# End www.jb51.cc

 

多维数组的访问通过给每一维指定一个索引，顺序是先高维再低维：

>>> def f(x,y):...     return 10*x+y...>>> b = np.fromfunction(f,(5,dtype=int)>>> barray([[ 0,13],[20,21,22,23],[30,31,32,33],[40,41,42,43]])>>> b[2,3]23>>> b[0:5,1]                       # each row in the second column of barray([ 1,41])>>> b[ :,1]                        # equivalent to the prevIoUs examplearray([ 1,41])>>> b[1:3,: ]                      # each column in the second and third row of barray([[10,23]])When fewer indices are provIDed than the number of axes,the missing indices are consIDered complete slices:>>>>>> b[-1]                                  # the last row. Equivalent to b[-1,:]array([40,43])# End www.jb51.cc

…符号表示将所有未指定索引的维度均赋为 ： ，：在python中表示该维所有元素：

>>> c = np.array( [[[  0,# a 3D array (two stacked 2D arrays)...                 [ 10,13]],...                [[100,101,102],...                 [110,112,113]]])>>> c.shape(2,3)>>> c[1,...]                                   # same as c[1,:,:] or c[1]array([[100,[110,113]])>>> c[...,2]                                   # same as c[:,2]array([[  2,[102,113]])# End www.jb51.cc

 

遍历：

如果只想遍历整个array可以直接使用：

>>> for row in b:...     print(row)...[0 1 2 3][10 11 12 13][20 21 22 23][30 31 32 33][40 41 42 43]# End www.jb51.cc

 

但是如果要对每个元素进行 *** 作，就要使用flat属性，这是一个遍历整个数组的迭代器

>>> for element in b.flat:...     print(element)...012310111213202122233031323340414243# End www.jb51.cc

总结

以上是内存溢出为你收集整理的Python科学计算库Numpy数组初始化和基本 *** 作的简单示例全部内容，希望文章能够帮你解决Python科学计算库Numpy数组初始化和基本 *** 作的简单示例所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。