1.Numpy基础了解

Numpy基础认识：

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））。

1.下载安装

建议直接安装Anaconda

pip install numpy

2.导包

import numpy as np

3.Numpy Ndarray对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

ndarray 对象是用于存放同类型元素的多维数组。

ndarray 中的每个元素在内存中都有相同存储大小的区域。

ndarray 内部由以下内容组成：

• 一个指向数据（内存或内存映射文件中的一块数据）的指针。
• 数据类型或 dtype，描述在数组中的固定大小值的格子。
• 一个表示数组形状（shape）的元组，表示各维度大小的元组。
• 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

结构：

跨度可以是负数，这样会使数组在内存中后向移动，类似于Python中的切片。

1.创建一个数组

# 源码解析
array(p_object, dtype=None, copy=True, order='K', subok=False, ndmin=0)

名称	概述
p_object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度 ，默认为0

2.例子:

# 创建一维数组
arr1 = np.array([2, 3, 45, 6, 7, 87])
print(arr1)
print(type(arr1))


# 执行结果
[ 2  3 45  6  7 87]
<class 'numpy.ndarray'>

#创建二维数组
arr_1 = np.array([[1, 2, 3, 4, 5], [5, 4, 3, 2, 1], [6, 7, 8, 9, 10]])
print(arr_1)
print(type(arr_1))


# 执行结果
[[ 1  2  3  4  5]
 [ 5  4  3  2  1]
 [ 6  7  8  9 10]]
<class 'numpy.ndarray'>

#指定最小维度
arr_1 = np.array([1, 2, 4, 5, 6, 7, 4, 23, 2, 2], ndmin=2)
print(arr_1)
print(type(arr_1))

#执行结果
#可以看到 我们 的 arr_1 是我们指定的 二维数组
[[ 1  2  4  5  6  7  4 23  2  2]]
<class 'numpy.ndarray'>

部分资料来源于:菜鸟教程