其它课程中的python---2、NumPy模块

其它课程中的python---2、NumPy模块

一、总结

一句话总结：

numpy在数组计算方面又快又方便

 

1、NumPy中的ndarray是一个多维数组对象，该对象由哪两部分组成？

-实际的数据

-描述这些数据的元数据

 

2、为什么要使用numpy？

比原生python快（快很多）：直接操作数组和矩阵，使不需要循环就可以遍历数据

有大量的函数：编写轻松和快

 

def pythonsum（n）：
    a=range（n）
    b=range（n）
    C=[]
    for i in range（len（a））：
        a[i]=i**2
        b[i]=i**3
        c.append（a[i]+b[i]）
    return c

import numpy as np
def numpysum（n）：
    a=numpy.arange（n）*大2
    b=numpy.arange（n）**3
    c=a+b
    return c

 

 

3、python中如何计算代码的运行时间？

datetime库的now()函数：datetime.now()

import sys
from datetime import datetime
start=datetime.now()
c=pythonsum(size)
delta=datetime.now()-start

 

 

4、numpy如何创建数组？

a=arange（5）

#numpy数组
a=arange（5）
a.dtype

 

 

5、numpy如何创建多维数组？

m=np.array（[np.arange（2），np.arange（2）]）

 

6、numpy如何创建全是0的数组？

np.zeros(10)

 

7、numpy数组对象的常用函数有哪些？

arange  类似于内置的range，但返回的是一个ndarray而不是列表

zeros、zeros_like  类似于ones和ones_like，只不过产生的是全0数组而已

array  将输入数据（列表、元组、数组或其他序列类型）转换为ndarray。要么推断出dtype，要么显式指定dtype。默认直接复制输入数据
asarray  将输入转换为ndarray，如果输入本身就是一个ndarray就不进行复制
arange  类似于内置的range，但返回的是一个ndarray而不是列表
ones、ones_like   根据指定的形状和dtype创建一个全1数组。ones_like以另一个数组为参数，并根据其形状和dtype创建一个全1数组
zeros、zeros_like  类似于ones和ones_like，只不过产生的是全0数组而已
empty、empty_like  创建新数组，只分配内存空间但不填充任何值
eye、identity  创建一个正方的N×N单位矩阵（对角线为1，其余为0）

 

 

8、python如何打印数组？

直接print函数接数组名即可

#打印数组中的元素
import numpy as np
a = np.array(6)
print a

[0 1 2 3 4 5]

 

 

9、numpy如何打印数组？

直接print函数接数组名即可

#花式素引
arr=np.empty（（8，4））
for i in range（8）：
    arr[i]=i 
arr

 

 

 

10、numpy的数组如何转置？

arr.T

 

 

二、内容在总结中