Python科学计算库Numpy数组的初始化和基本操作

当前位置:

首页 > Python基础教程 >

Python科学计算库Numpy数组的初始化和基本操作

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））。它包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。

今天我们来看下Numpy数组。

一. Numpy数组对象

Numpy中的多维数组称为ndarray，它有两个组成部分。

数据本身。

描述数据的元数据。

它有以下几个属性：

ndarray.ndim：数组的维数

ndarray.shape：数组每一维的大小

ndarray.size：数组中全部元素的数量

ndarray.dtype：数组中元素的类型（numpy.int32, numpy.int16, and numpy.float64等）

ndarray.itemsize：每个元素占几个字节

在数组的处理过程中，原始数据不受影响，变化的只是元数据。

Numpy数组通常是由相同种类的元素组成，即数组中数据类型必须一致。好处是：数组元素类型相同，可轻松确定存储数组所需的空间大小。同时，numpy可运用向量化运算来处理整个数组。Numpy数组的索引从0开始。

例子：

						>>> import numpy as np

						>>> a = np.arange(15).reshape(3, 5)

						>>> a

						array([[ 0,  1,  2,  3,  4],

						       [ 5,  6,  7,  8,  9],

						       [10, 11, 12, 13, 14]])

						>>> a.shape

						(3, 5)

						>>> a.ndim

						2

						>>> a.dtype.name

						'int64'

						>>> a.itemsize

						8

						>>> a.size

						15

						>>> type(a)

						<type 'numpy.ndarray'>

						>>> b = np.array([6, 7, 8])

						>>> b

						array([6, 7, 8])

						>>> type(b)

						<type 'numpy.ndarray'>

二.创建数组：

使用array函数讲tuple和list转为array：

						>>> import numpy as np

						>>> a = np.array([2,3,4])

						>>> a

						array([2, 3, 4])

						>>> a.dtype

						dtype('int64')

						>>> b = np.array([1.2, 3.5, 5.1])

						>>> b.dtype

						dtype('float64')

多维数组：

1

2

3

4

						>>> b = np.array([(1.5,2,3), (4,5,6)])

						>>> b

						array([[ 1.5,  2. ,  3. ],

						       [ 4. ,  5. ,  6. ]])

栏目列表