Numpy学习笔记

Numpy(Numeric python)

Numpy是一个Python数值处理库，数值计算扩展库

-同类型元素的多维数组的各种运算和处理

-与线性代数有关的操作，NumPy 拥有线性代数和随机数生成的内置函数

-傅立叶变换和用于图形操作

NumPy 与 Matplotlib（绘图库）和SciPy（Scientific Python）一起使用，替代Matlab

numpy.ndarray，N维同类型元素数组类

数组函数构造ndarray对象（或者实例）

ndarray = numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

1. object 列表，元组等

2. dtype 数组的所需数据类型，可选。

3. copy 可选，默认为true，对象是否被复制。

4. order C(按行)、F(按列)或A(任意，默认)。

5. subok 默认情况下，返回的数组被强制为基类数组。 如果为true，则返回子类。

6. ndimin 指定返回数组的最小维数。

默认

a = np.array([1,2,3])

print(a)

a = np.array([1,2,3],dtype = float)

print(a)

a = np.array([1,2,3],ndmin = 2)

print(a)

a = np.array([[1,2,3],[4,5,6]])

print(a)

a = np.arange

空数组，值随机

numpy.empty(shape, dtype = float, order = ‘C’)

numpy.zeros(shape, dtype = float, order = ‘C’)

numpy.ones(shape, dtype = None, order = ‘C’)

numpy.asarray(a, dtype = None, order = None)

a任意形式的输入参数，比如列表、列表的元组、元组、元组的元组、元组的列表

numpy.frombuffer

此函数将缓冲区解释为一维数组。 暴露缓冲区接口的任何对象都用作参数来返回ndarray。

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

1. buffer 任何暴露缓冲区借口的对象

2. dtype 返回数组的数据类型，默认为float

3. count 需要读取的数据数量，默认为-1，读取所有数据

4. offset 需要读取的起始位置，默认为0

数组属性

ndarray.shape

这一数组属性返回一个包含数组维度的元组，它也可以用于调整数组大小。

print(a.shape)

a.shape = (3,2)

print(a)

(2, 3)

[[1 2]

[3 4]

[5 6]]

拉直成一维后，重新

ndarray.ndim

这一数组属性返回数组的维数

numpy.itemsize

这一数组属性返回数组中每个元素的字节单位长度。

numpy.linspace(start, stop, num, endpoint, retstep, dtype)

构造器接受下列参数：

序号

参数及描述

start 序列的起始值

stop 序列的终止值，如果endpoint为true，该值包含于序列中

num 要生成的等间隔样例数量，默认为50

endpoint 序列中是否包含stop值，默认为ture

retstep 如果为true，返回样例，以及连续数字之间的步长

dtype 输出ndarray的数据类型

numpy.logspace

此函数返回一个ndarray对象，其中包含在对数刻度上均匀分布的数字。 刻度的开始和结束端点是某个底数的幂，通常为 10。

numpy.logscale(start, stop, num, endpoint, base, dtype)

logspace函数的输出由以下参数决定：

参数及描述

start 起始值是base ** start

stop 终止值是base ** stop

num 范围内的数值数量，默认为50

endpoint 如果为true，终止值包含在输出数组当中

base 对数空间的底数，默认为10

dtype 输出数组的数据类型，如果没有提供，则取决于其它参数