NumPy简明教程(二、数组1)

NumPy数组(1、数组初探)NumPy数组

NumPy数组是一个多维数组对象,称为ndarray。其由两部分组成:

实际的数据描述这些数据的元数据

大部分操作仅针对于元数据,而不改变底层实际的数据。

关于NumPy数组有几点必需了解的:

NumPy数组的下标从0开始。同一个NumPy数组中所有元素的类型必须是相同的。NumPy数组属性

在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推。在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量。比如说,,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是NumPy中的轴(axes),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量——秩,就是数组的维数。

NumPy的数组中比较重要ndarray对象属性有:

ndarray.ndim:数组的维数(即数组轴的个数),等于秩。最常见的为二维数组(矩阵)。

ndarray.shape:数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中,表示数组的“行数”和“列数”。ndarray.shape返回一个元组,这个元组的长度就是维度的数目,即ndim属性。

ndarray.size:数组元素的总个数,等于shape属性中元组元素的乘积。

ndarray.dtype:表示数组中元素类型的对象,可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。

ndarray.itemsize:数组中每个元素的字节大小。例如,一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits,每个字节长度为8,所以64/8,占用8个字节),又如,一个元素类型为complex32的数组item属性为4(32/8)。

ndarray.data:包含实际数组元素的缓冲区,由于一般通过数组的索引获取元素,所以通常不需要使用这个属性。创建数组  先来介绍创建数组。创建数组的方法有很多。如可以使用array函数从常规的Python列表和元组创造数组。所创建的数组类型由原序列中的元素类型推导而来。   >>> from numpy import *   >>> a = array( [2,3,4] )   >>> aarray([2, 3, 4])>>> a.dtypedtype(‘int32’)>>> b = array([1.2, 3.5, 5.1])   >>> b.dtypedtype(‘float64’)使用array函数创建时,参数必须是由方括号括起来的列表,而不能使用多个数值作为参数调用array。   >>> a = array(1,2,3,4) # 错误>>> a = array([1,2,3,4]) # 正确可使用双重序列来表示二维的数组,三重序列表示三维数组,以此类推。>>> b = array( [ (1.5,2,3), (4,5,6) ] )  >>> barray([[ 1.5, 2. , 3. ],   [ 4. , 5. , 6. ]])可以在创建时显式指定数组中元素的类型>>> c = array( [ [1,2], [3,4] ], dtype=complex)>>> carray([[ 1.+0.j, 2.+0.j],    [ 3.+0.j, 4.+0.j]])通常,刚开始时数组的元素未知,而数组的大小已知。因此,NumPy提供了一些使用占位符创建数组的函数。这些函数有助于满足除了数组扩展的需要,同时降低了高昂的运算开销。

用函数zeros可创建一个全是0的数组,用函数ones可创建一个全为1的数组,函数empty创建一个内容随机并且依赖与内存状态的数组。默认创建的数组类型(dtype)都是float64。

可以哟娜特d.dtype.itemsize来查看数组中元素占用的字节数目。

>>> d = zeros((3,4))>>> d.dtypedtype(‘float64’)>>> darray([[ 0., 0., 0., 0.],   [ 0., 0., 0., 0.],   [ 0., 0., 0., 0.]])>>> d.dtype.itemsize8也可以自己制定数组中元素的类型>>> ones( (2,3,4), dtype=int16 ) #手动指定数组中元素类型array([[[1, 1, 1, 1],   [1, 1, 1, 1],   [1, 1, 1, 1]],      [[1, 1, 1, 1],   [1, 1, 1, 1],   [1, 1, 1, 1]]], dtype=int16)>>> empty((2,3))   array([[ 2.65565858e-316, 0.00000000e+000, 0.00000000e+000],   [ 0.00000000e+000, 0.00000000e+000, 0.00000000e+000]])NumPy提供一个类似arange的函数返回一个数列形式的数组:>>> arange(10, 30, 5)array([10, 15, 20, 25])以10开始,差值为5的等差数列。该函数不仅接受整数,还接受浮点参数: >>> arange(0,2,0.5)array([ 0. , 0.5, 1. , 1.5])

去接收我们想要的元素个数来代替用range来指定步长。linespace用法如下,将在通用函数一节中详细介绍。

>>> numpy.linspace(-1, 0, 5)array([-1. , -0.75, -0.5 , -0.25, 0. ])数组中的元素是通过下标来访问的,可以通过方括号括起一个下标来访问数组中单一一个元素,也可以以切片的形式访问数组中多个元素。关于切片访问,将在切片一节介绍。知识点:NumPy中的数据类型中添加了许多数据类型。如下:NumPy中的基本数据类型

名称描述

bool用一个Bit存储的布尔类型(True或False)

inti由所在平台决定其大小的整数(一般为int32或int64)

int8一个字节大小,-128 至 127

int16整数,-32768 至 32767

int32整数,-2 ** 31 至 2 ** 32 -1

int64整数,-2 ** 63 至 2 ** 63 – 1

uint8无符号整数,0 至 255

uint16无符号整数,0 至 65535

uint32无符号整数,0 至 2 ** 32 – 1

uint64无符号整数,0 至 2 ** 64 – 1

float16半精度浮点数:16位,正负号1位,指数5位,精度10位

float32单精度浮点数:32位,正负号1位,指数8位,精度23位

float64或float双精度浮点数:64位,正负号1位,指数11位,精度52位

complex64复数,分别用两个32位浮点数表示实部和虚部

complex128或complex复数,分别用两个64位浮点数表示实部和虚部

人生至少要有两次冲动,一为奋不顾身的爱情,一为说走就走的旅行。

NumPy简明教程(二、数组1)

相关文章:

你感兴趣的文章:

标签云: