Numpy入门(一):Numpy的安装和创建

Stella981
• 阅读 738

在数据分析和机器学习中,大量的使用科学计算,Numpy提供了大型矩阵计算的方式,而这些是python标准库中所缺少的。Numpy也是许多优秀的第三方库的基础,依赖于Numpy的库非常多,后续会慢慢的进行介绍。

Numpy的安装

和许多的库一样,不管在windows平台下还是在linux平台下,安装Numpy的命令如下:

pip install numpy

安装完以后:

Collecting numpy
  Downloading numpy-1.14.0-cp27-none-win32.whl (9.8MB)
    100% |████████████████████████████████| 9.8MB 27kB/s
Installing collected packages: numpy
Successfully installed numpy-1.14.0

python解析器 下查看 Numpy 是否安装成功:

import numpy

Numpy生成数组函数(Array creation )

直接使用array 函数生成数组:

>>> import numpy as np
>>> a = np.array([2,3,4])
>>> print a
[2 3 4]
>>> b = np.array([(1,3,4),(2,3,5)])
>>> print b
[[1 3 4]
 [2 3 5]]
>>>

array 函数中使用python自带的list ,在多维数组中在list 中存放多个元祖。

使用 emptyzerosonesidentityeye 创建矩阵:

>>> import numpy as np
#使用empty创建2x2矩阵
>>> a = np.empty([2,2])
>>> print a
[[1.92432613e-295 1.92410215e-295]
 [1.92414694e-295 1.92414694e-295]]

identity 为返回一个N维单位方阵。

同样的还有empty_likeones_likezeros_like 是复制对方的维数,进行相应的处理。

使用 arangelinspace 生成数组:

在0到2中按步长为0.3生成数组:

>>> np.arange( 0, 2, 0.3 )
array([0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8])

在0到2中生成9个数:

>>> np.linspace( 0, 2, 9 )
array([0.  , 0.25, 0.5 , 0.75, 1.  , 1.25, 1.5 , 1.75, 2.  ])

Numpy中数组的基本属性

在Numpy中生成的数组叫做ndarray , 在ndarray 中有如下的属性:

  • ndarray.ndim: 数组维数

    程序如下:

      >>> a = np.zeros([3,4])
      >>> a.ndim
      2
      >>> b = np.zeros([3,4,5])
      >>> b.ndim
      3
      >>>
    
  • ndarray.shape:数组的结构 几乘几 数组

      >>> print a.shape
      (3, 4)
      >>> print b.shape
      (3, 4, 5)
      >>>
    
  • ndarray.size: 数组有几个元素

      >>> print a.size
      12
      >>> print b.size
      60
      >>>
    

Numpy中数组的保存

使用tofilefromfile

import numpy as np

a = np.array([(1,2,3,4),(4,5,2,4)])

print a

a.tofile("filename.bin")

b = np.fromfile("filename.bin",dtype = np.int32)

print b.reshape(2,4)

还可以使用 np.save() np.load()np.savez() 这一组合进行数据的存储。

import numpy as np

a = np.array([(1,2,3,4),(4,5,2,4)])

print a

np.save("a.npy", a)
c = np.load("a.npy")
print c

另外一组为 savetxt()loadtxt()

import numpy as np

a = np.array([(1,2,3,4),(4,5,2,4)])

print a
np.savetxt("a.txt", a)
np.loadtxt("a.txt")
c = np.load("a.npy")
print c

更多教程:阿猫学编程

点赞
收藏
评论区
推荐文章
待兔 待兔
4个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
黎明之道 黎明之道
3年前
NumPy数值计算基础(超详细的numpy使用方法)
NumPy数值计算基础NumPy是在1995年诞生的Python库Numeric的基础上建立起来的,但真正促使NumPy的发行的是Python的SciPy库。但SciPy中并没有合适的类似于Numeric中的对
Python进阶者 Python进阶者
3年前
Python矩阵和Numpy数组的那些事儿
大家好,我是IT共享者,人称皮皮。今天给大家介绍矩阵和NumPy数组。一、什么是矩阵?使用嵌套列表和NumPy包的Python矩阵。矩阵是一种二维数据结构,其中数字按行和列排列。二、Python矩阵1\.列表视为矩阵Python没有矩阵的内置类型。但是,可以将列表的列表视为矩阵。例:A2\.如何使用嵌套列表。A三、NumPy数组1\.
Stella981 Stella981
3年前
Python基础学习笔记——配置Python开发环境
安装AnacondaAnaconda是Python的一个科学计算发行版,内置了数百个Python经常会使用的库,也包括做机器学习或数据挖掘的库,如Scikitlearn、NumPy、SciPy和Pandas等,其中可能有一些是TensorFlow的依赖库。Anaconda提供了一个编译好的环境可以直接安装。Anaconda
Stella981 Stella981
3年前
Python数据分析
1.numpy\支持多维数组与矩阵的科学计算器包功能:常用功能16条a.ndarrayn维数组/矢量的操作。b. 支持高级大量的n维数组与矩阵的运算。c.针对数组运算提供大量的数学函数库。2.scipy\配合numpy完成对矩阵的计算,因此依赖于numpy,且含多个子模块功能:常用15个函数a. 标准导
Stella981 Stella981
3年前
Python NumPy学习总结
一、NumPy简介其官网是:http://www.numpy.org/(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.numpy.org%2F)NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算,
小万哥 小万哥
6个月前
学会使用 NumPy:基础、随机、ufunc 和练习测试
NumPyNumPy是一个用于处理数组的Python库。它代表“NumericalPython”。基本随机ufunc通过测验测试学习检验您对NumPy的掌握程度。通过练习学习NumPy练习练习:请插入创建NumPy数组的正确方法。pythonarrnp.(
小万哥 小万哥
6个月前
NumPy 数组创建方法与索引访问详解
NumPy创建数组NumPy中的核心数据结构是ndarray,它代表多维数组。NumPy提供了多种方法来创建ndarray对象,包括:使用array()函数array()函数是最常用的方法之一,它可以将Python列表、元组甚至其他数组转换为ndarray
小万哥 小万哥
6个月前
NumPy 数组迭代与合并详解
NumPy数组迭代NumPy数组迭代是访问和处理数组元素的重要方法。它允许您逐个或成组地遍历数组元素。基本迭代我们可以使用Python的基本for循环来迭代NumPy数组。一维数组迭代:pythonimportnumpyasnparrnp.array(1
小万哥 小万哥
5个月前
NumPy 双曲函数与集合操作详解
NumPy概览:使用numpy.sinh(),numpy.cosh(),numpy.tanh()计算双曲函数;示例包括求弧度值的双曲正弦、余弦。此外,numpy.arcsinh(),numpy.arccosh(),numpy.arctanh()用于求反函数。同时,NumPy提供集合操作如numpy.unique()构建唯一元素数组,numpy.union1d()求并集,numpy.intersect1d()求交集,numpy.setdiff1d()求差集,numpy.setxor1d()求对称差。