numpy是python的一種開源的數值計算擴充套件,是一些針對矩陣進行運算的模組。
1.numpy介紹
2.numpy 學習筆記
3.python中的list和array的不同之處
4.python列表、numpy陣列與矩陣的區別
1.python中的list和np.array的不同之處
numpy使用ndarray物件來處理多維陣列,該物件是乙個快速而靈活的大資料容器。使用python列表可以儲存一維陣列,通過列表的巢狀可以實現多維陣列,那麼為什麼還需要使用numpy呢?numpy是專門針對陣列的操作和運算進行了設計,所以陣列的儲存效率和輸入輸出效能遠優於python中的巢狀列表,陣列越大,numpy的優勢就越明顯。通常numpy陣列中的所有元素的型別都是相同的,而python列表中的元素型別是任意的,所以在通用效能方面numpy陣列不及python列表,但在科學計算中,可以省掉很多迴圈語句,代
碼使用方面比python列表簡單的多。
2.numpy陣列和矩陣的區別:
numpy matrices必須是2維的,但是 numpy arrays (ndarrays) 可以是多維的(1d,2d,3d····nd). matrix是array的乙個小的分支,包含於array。所以matrix 擁有array的所有特性。
在numpy中matrix的主要優勢是:相對簡單的乘法運算符號。例如,a和b是兩個matrices,那麼a*b,就是矩陣積。
matrix 和 array 都可以通過objects後面加.t 得到其轉置。但是 matrix objects 還可以在後面加 .h f得到共軛矩陣, 加 .i 得到逆矩陣。
相反的是在numpy裡面arrays遵從逐個元素的運算,所以array:c 和d的c*d運算相當於matlab裡面的c.*d運算。而矩陣相乘,則需要numpy裡面的dot命令 。
1.list列表中list不能直接和數字相加,但是np.array中可以
a =[1
,2,3
] b =
3*a+
2print
(b)# 其結果會報錯,list不能和int直接相加
np.array中如下就是對的:
import numpy as np
a = np.array([1
,2,3
])b =3
*a+2
print
(b)# 輸出結果是:[ 5 8 11]
2.python的zip函式
參考:python的zip函式
NumPy 資料型別
numpy 支援比 python 更多種類的數值型別。下表顯示了 numpy 中定義的不同標量資料型別。序號資料型別及描述 1.bool 儲存為乙個位元組的布林值 真或假 2.int 預設整數,相當於 c 的long,通常為int32或int64 3.intc相當於 c 的int,通常為int32或...
NumPy 資料型別
numpy提供的數值型別,數值範圍比python提供的數值型別更大。numpy的數值型別,如下表所示 sn資料型別描述1 bool 布林值,取值ture false,占用乙個位元組 2int 是integer的預設型別。與c語言中的long型別相同,有可能是64位或32位。3intc 類似於c語言中...
Numpy資料型別
構造語法 numpy.dtype object,align,copy object 被轉換為資料型別的物件 align 如果為true,則向字段新增間隔,使其類似c的結構體 copy 生成dtype物件的新副本,如果為flase,結果是內建資料型別物件的引用。檢視ndarray的資料型別 dtype...