Python如何使用Numpy庫

這篇文章主要為大家展示了“Python如何使用Numpy庫”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“Python如何使用Numpy庫”這篇文章吧。

?Numpy庫介紹

numpy 庫處理的最基礎數據類型是由同種元素構成的多維數組（ndarray）， 簡稱" 數組”，數組中所有元素的類型必須相同， 數組中元素可以用整數索引， 序號從0開始。 ndarray類型的維度(dimensions)叫做軸(axes)， 軸的個數叫做秩(rank)。 一維數組的秩為1， 二維數組的秩為2， 二維數組 相當于由兩個一維數組構成

numpy 庫概述：
由于numpy 庫中函數較多且命名容易與常用命名混淆，建議采用如下方式引用numpy 庫：

import numpy as np

其中， as保留字與import一起使用能夠改變后續代碼中庫的命名空間， 有助于提高代碼可讀性。 簡單說， 在程序的后續部分中， np代替numpy。

?ndarray 類常用屬性

創建一個簡單的數組后， 可以查看ndarray類型有一些基本屬性

1.ndarray.ndim
數組軸的個數，在python的世界中，軸的個數被稱作秩

2.ndarray.shape
數組的維度。這是一個指示數組在每個維度上大小的整數元組。例如一個n排m列的矩陣，它的shape屬性將是(2,3),這個元組的長度顯然是秩，即維度或者ndim屬性

3.ndarray.size
數組元素的總個數，等于shape屬性中元組元素的乘積。

4.ndarray.dtype
一個用來描述數組中元素類型的對象，可以通過創造或指定dtype使用標準Python類型。另外NumPy提供它自己的數據類型。

5.ndarray.itemsize
數組中每個元素的字節大小。例如，一個元素類型為float64的數組itemsiz屬性值為8(=64/8),又如，一個元素類型為complex32的數組item屬性為4(=32/8).

6.ndarray.data
包含實際數組元素的緩沖區，通常我們不需要使用這個屬性，因為我們總是通過索引來使用數組中的元素。

import numpy as np #引入numpy模塊
a = np.ones((4,5))
print(a)
print('數據軸個數： ',a.ndim)
print('每個維度的數據個數： ',a.shape)
print('數據類型',a.dtype)

# 結果
[[1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1.]]
數據軸個數：  2
每個維度的數據個數：  (4, 5)
數據類型 float64

小結：

?Numpy常用函數

?array函數

函數原型：

np.array([x,y,x],dtype=int)  # 從列表和元組中創建數組

功能：array函數將列表轉矩陣

import numpy as np #引入numpy模塊
array=np.array([[1,2,3], #列表轉矩陣
[4,5,6]])
print(array)
print('number of dim',array.ndim) #輸出矩陣數據軸數
print('size',array.size) #輸出矩陣總元素個數

# 結果
[[1 2 3]
[4 5 6]]
number of dim 2
size 6

?arange()函數和linspace()函數

函數原型：

np.arange(x,y,i)   # 創建一個由x到y,以i為步長的數組
np.linspace(x,y,n)  # 創建一個由x到y，等分為n個元素的數組

import numpy as np #引入numpy模塊
a=np.arange(1,12,2)# np.arange從1到12，間隔為2
print(a)
#從2到12，生成隨機6個數，并控制為2行3列
b=np.linspace(2,12,6).reshape(2,3)
print(b)

# 結果：
[ 1 3 5 7 9 11]
[[ 2. 4. 6.]
[ 8. 10. 12.]]

?zeros(),empty和ones()

功能：創建都是初始值相同元素（0，1）的數組
函數原型：

np.ones((m,n),dtype)  # 創建一個m行n列的全為1的數組
np.zeros((m,n),dtype)  # 創建一個m行n列的全為0的數組
np.empty((m,n),dtype)  # 創建一個m行n列的全為0的數組

import numpy as np #引入numpy模塊
a=np.zeros((5,8)) #元素都是0
b=np.ones((5,6)) #元素都是1
print(a)
print(b)

# 結果：
[[0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0.]]
[[1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1.]]

?ndarray 類的索引和切片方法

和列表的索引差不多的

import numpy as np #引入numpy模塊
a = np.random.rand(5,3)#生成隨機5行3列數組
print(a)
print('獲取第2行',a[2]) #獲取第2行
print('切片',a[1:3]) #切片， 1到3行，不包括3
print('切片',a[-5:-2:2]) #切片，從后向前，步長為2

# 結果
[[0.53469047 0.47559129 0.65865181]
[0.89942399 0.66683114 0.55181635]
[0.11989817 0.06055933 0.56880058]
[0.95744499 0.94814163 0.2155053 ]
[0.95179242 0.61544664 0.40876683]]
獲取第2行 [0.11989817 0.06055933 0.56880058]
切片 [[0.89942399 0.66683114 0.55181635]
[0.11989817 0.06055933 0.56880058]]
切片 [[0.53469047 0.47559129 0.65865181]
[0.11989817 0.06055933 0.56880058]]

?numpy 庫運算函數

總結

提示：這里對文章進行總結：

numpy 庫還包括三角運算函數、 傅里葉變換、 隨機和概率分布、 基本數值統計、 位運算、 矩陣運算等非常豐富的功能， 在使用時可以到官方網站查詢

python基礎查表

以上是“Python如何使用Numpy庫”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！