未加星标

python中numpy包使用教程之数组和相关操作详解

字体大小 | |
[开发(python) 所属分类 开发(python) | 发布者 店小二03 | 时间 | 作者 红领巾 ] 0人收藏点击收藏

前言

大家应该都有所了解,下面就简单介绍下Numpy,NumPy(Numerical python)是一个用于科学计算第三方的Python包。

NumPy提供了许多高级的数值编程工具,如:矩阵数据类型、矢量处理,以及精密的运算库。专为进行严格的数字处理而产生。下面本文将详细介绍关于python中numpy包使用教程之数组和相关操作的相关内容,下面话不多说,来一起看看详细的介绍:

一、数组简介

Numpy中,最重要的数据结构是:多维数组类型(numpy.ndarray)
ndarray由两部分组成:
实际所持有的数据;
描述这些数据的元数据(metadata)
数组(即矩阵)的维度被称为axes,维数称为rank
ndarray 的重要属性包括: 
ndarray.ndim:数组的维数,也称为rank
ndarray.shape:数组各维的大小,对一个n行m列的矩阵来说, shape 为 (n,m)
ndarray.size:元素的总数。
ndarray.dtype:每个元素的类型,可以是numpy.int32, numpy.int16, and numpy.float64等
ndarray.itemsize:每个元素占用的字节数。
ndarray.data:指向数据内存。

二、数组的使用

使用numpy前要先导入模块,使用下面的语句导入模块:

improt numpy as np #其中np为numpy的别名,是一种习惯用法
1.使用array方法生成数组
array,也就是数组,是numpy中最基础的数据结构,最关键的属性是维度和元素类型,在numpy中,可以非常方便地创建各种不同类型的多维数组,并且执行一些基本基本操作,生成数组的方法有一下几种:
以list或tuple变量产生以为数组:
>>> print np.array([1,2,3,4])
[1 2 3 4]
>>> print np.array((1.2,2,3,4))
[ 1.2 2. 3. 4. ]

以list或tuple变量为元素产生二维数组或者多维数组:

>>> x = np.array(((1,2,3),(4,5,6)))
>>> x
array([[1, 2, 3],
[4, 5, 6]])
>>> y = np.array([[1,2,3],[4,5,6]])
>>> y
array([[1, 2, 3],
[4, 5, 6]])

2.使用numpy.arange方法生成数组

>>> print np.arange(15)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
>>> print type(np.arange(15))
<type 'numpy.ndarray'>
3.使用内置函数生成特殊矩阵(数组)

零矩阵

>>> print np.zeros((3,4))
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]

一矩阵

>>> print np.ones((3,4))
[[ 1. 1. 1. 1.]
[1. 1. 1. 1.]
[ 1. 1. 1. 1.]]

单位矩阵

>>> print np.eye(3)
[[ 1. 0. 0.]
[0. 1. 0.]
[ 0. 0. 1.]]

4.索引与切片

>>> x = np.array(((1,2,3),(4,5,6)))
>>> x[1,2] #获取第二行第三列的数
6
>>> y=x[:,1] #获取第二列
>>> y
array([2, 5])
与python语法一致,不再举例。

5.获取数组属性

>>> a = np.zeros((2,2,2))
>>> print a.ndim #数组的维数
3
>>> print a.shape #数组每一维的大小
(2, 2, 2)
>>> print a.size #数组的元素数
8
>>> print a.dtype #元素类型
float64
>>> print a.itemsize #每个元素所占的字节数
8
6.数组变换

多维转换为一维:

>>> x
array([[1, 2, 3],
[4, 5, 6]])
>>> x.flatten()
array([1, 2, 3, 4, 5, 6])

一维转换为多维:

>>> print np.arange(15).reshape(3,5) #改变形状,将一维的改成三行五列
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]

转置:

>>> x
array([[1, 2, 3],
[4, 5, 6]])
>>> x.transpose()
array([[1, 4],
[2, 5],
[3, 6]])
7.数组组合

水平组合:

>>> y=x
>>> numpy.hstack((x,y))
array([[1, 2, 3, 1, 2, 3],
[4, 5, 6, 4, 5, 6]]

垂直组合

>>> numpy.vstack((x,y))
array([[1, 2, 3],
[4, 5, 6],
[1, 2, 3],
[4, 5, 6]])

用concatenate函数可以同时实现这两种方式,通过指定axis参数,默认为0,垂直组合。

>>> numpy.concatenate((x,y))
array([[1, 2, 3],
[4, 5, 6],
[1, 2, 3],
[4, 5, 6]])
>>> numpy.concatenate((x,y),axis=1)
array([[1, 2, 3, 1, 2, 3],
[4, 5, 6, 4, 5, 6]])
8.数组分割

垂直分割

>>> z
array([[1, 2, 3],
[4, 5, 6],
[1, 2, 3],
[4, 5, 6]])
>>> numpy.vsplit(z,2) #注意这里设置的分割数目必须可以被行数整除
[array([[1, 2, 3],
[4, 5, 6]]), array([[1, 2, 3],
[4, 5, 6]])]

水平分割

>>> numpy.hsplit(z,3)
[array([[1],
[4],
[1],
[4]]), array([[2],
[5],
[2],
[5]]), array([[3],
[6],
[3],
[6]])]

用split函数可以同时实现这两个效果,通过设置其axis参数区别,与组合类似,这里不在演示。

三、矩阵

通过上面对数组的操作可以知道,numpy中可以通过数组模拟矩阵,但是numpy也有专门处理矩阵的数据结构――matrix。

1.生成矩阵

>>> numpy.mat('1 2 3;4 5 6;7 8 9')
matrix([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
2.数组矩阵转化

矩阵转数组

>>> m=numpy.mat('1 2 3;4 5 6;7 8 9')
>>> numpy.array(m)
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])

数组转矩阵

>>> n=numpy.array(m)
>>> numpy.mat(n)
matrix([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
3.矩阵方法

求逆:

>>> m.I
matrix([[ -4.50359963e+15, 9.00719925e+15, -4.50359963e+15],
[ 9.00719925e+15, -1.80143985e+16, 9.00719925e+15],
[ -4.50359963e+15, 9.00719925e+15, -4.50359963e+15]])

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流,谢谢大家对脚本之家的支持

本文开发(python)相关术语:python基础教程 python多线程 web开发工程师 软件开发工程师 软件开发流程

分页:12
转载请注明
本文标题:python中numpy包使用教程之数组和相关操作详解
本站链接:http://www.codesec.net/view/561181.html
分享请点击:


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 开发(python) | 评论(0) | 阅读(40)