Numpy库基础学习-1

# NumPy：NumericalPython，即数值Python包，是Python进行科学计算的一个基础包
# Numpy是Python的开源数值计算扩展，是实现科学计算的包
'''
1)一个具有矢量算术运算和节省空间的多维数组，ndarray
2)用于对整数数据进行快速运算的标准函数ufunc
3)实用的线性代数，傅里叶变换，随机数生成。
4)提供高级的数值编程工具，矩阵数据类型，矢量处理，精密运算库，专为严格的数字处理而产生。
5)Numpy的数据结构：ndarry，一种多维数组对象
'''
# 导入numppy库
import numpy as np

'''
ndarry：N维数组
一种由相同类型的元素组成的多维数组，元素数量事先定好。
元素的数据类型有dtype对象来指定，每个ndarray只有一种dtype类型。
大小固定，创建数组时一旦指定好大小，就不会在发生改变。
'''
a=[(0,1,2,3,4),(1,2,3,4,5)]
print(a)
b=np.array(a)
print(b)
np.array([1,12,23,34,45])

[(0, 1, 2, 3, 4), (1, 2, 3, 4, 5)]
[[0 1 2 3 4]
 [1 2 3 4 5]]

Out[3]:

array([ 1, 12, 23, 34, 45])

In [6]: 

np.array([[30,32,35],[40,42,45],[50,52,55]]) 

Out[6]:

array([[30, 32, 35],
       [40, 42, 45],
       [50, 52, 55]])

In [9]: 

mask=np.array([1,0,1,0,0,1],dtype=np.bool)

print(mask) 

[ True False  True False False  True]

In [12]: 

a1=[mask,2]

print(a1) 

[array([ True, False,  True, False, False,  True]), 2]

In [14]: 

np.array([2,22,52]) 

Out[14]:

array([ 2, 22, 52])

In [4]: 

a2=np.array([[[3.4,5,6,8],[3,2.4,5,7]],[[2.3,4,5,6],[0.9,5,6,1]],[[9,6.7,3,2],[1,3,4,5]]]) 

In [5]: 

'''

ndarray属性：

ndim维度数量；shape表示各维度大小的元组（），数组的形状。

dtype说明数组元素数据类型的对象

size元素总个数。

'''

print(a2.ndim)    

print(a2.dtype)

print(a2.shape)  

print(a2.size) 

3
float64
(3, 2, 4)
24

In [22]:

ndarry01=np.array([[[1,2,3,5],[3,4,5,6],[4,5,6,7],[9,4,5,6]],[[9,8,4,5],[4,6,7,9],[9,5,3,1],[7,5,6,1]]],dtype=float)

print(ndarry01) 

[[[1. 2. 3. 5.]
  [3. 4. 5. 6.]
  [4. 5. 6. 7.]
  [9. 4. 5. 6.]]

 [[9. 8. 4. 5.]
  [4. 6. 7. 9.]
  [9. 5. 3. 1.]
  [7. 5. 6. 1.]]]

In [23]: 

# ndarry的shape属性

# 去掉最外围的[],得到ndarray01[0],ndarray01[1]

# 层层去中括号对，每去一层，一个维度，去掉一层[],后的元素个数逗号隔开的，就是该维度元素的个数。

# 3维的数组，页-行-列

ndarry01[0]

ndarry01[1] 

Out[23]:

array([[9., 8., 4., 5.],
       [4., 6., 7., 9.],
       [9., 5., 3., 1.],
       [7., 5., 6., 1.]])

In [25]: 

# 再去掉第二层[],得到ndarray01[0][0],ndarray01[0][1],ndarray01[0][2],ndarray01[0][3]

ndarry01[0][0] 

Out[25]:

array([1., 2., 3., 5.])

In [26]: 

# 再来去掉一层

ndarry01[0,1,3] 

Out[26]:

6.0

In [27]: 

# array函数创建数组：接收一个普通的Python序列，转成ndarry

# 用列表创建

a3=np.array([

[

   [3,4,5,6],

   [4,5,6,7]

],

[

   [1,2,3,4],

   [2,3,4,5]

],

[

   [9,8,7,6],

   [4,5,6,7]

]

]) 

In [28]: 

print(a3) 

[[[3 4 5 6]
  [4 5 6 7]]

 [[1 2 3 4]
  [2 3 4 5]]

 [[9 8 7 6]
  [4 5 6 7]]]

In [29]: 

# 用元组创建

b=np.array((

(

    (1,2,3,4),(4,5,6,7),(9,3,4,5)

),

(

    (0,2,3,4),(5,4,3,1),(4,8,9,2)

)

)) 

In [6]: 

# 用列表里面嵌套元组创建

c=np.array([

(

    (1,2,3,4),(4,5,6,7),(9,3,4,5)

),

(

    (0,2,3,4),(5,4,3,1),(4,8,9,2)

)

]) 

In [7]: 

print(c) 

[[[1 2 3 4]
  [4 5 6 7]
  [9 3 4 5]]

 [[0 2 3 4]
  [5 4 3 1]
  [4 8 9 2]]]

In [32]: 

# 用函数创建

np.zeros((3,4))

np.ones((4,6))

np.empty((2,3,4)) 

Out[32]:

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.]]])

In [34]: 

# arange函数创建一维数组：通过指定开始值，终值和步长来创建一维数组

np.arange(20)

np.arange(0,20,1)

np.arange(0,20,2)

np.arange(0,12).reshape(3,4)   

Out[34]:

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

In [35]: 

#linspace函数：指定开始值，终值和元素个数创建一维数组，可以包含终值，等差数列

np.linspace(0,10,5) 

Out[35]:

array([ 0. ,  2.5,  5. ,  7.5, 10. ])

In [37]: 

# logspace函数：类似linspace,不过它创建等比数列

np.logspace(0,2,5) 

Out[37]:

array([  1.        ,   3.16227766,  10.        ,  31.6227766 ,
       100.        ])