numpy 是乙個開源的python第三方庫,同時是scipy, pandas等資料處理科學計算庫的基礎, 包含強大的n維陣列物件 ndarray。
numpy 中使用array函式建立陣列
numpy.array(
list
/turple, dtype =
none
)
引數說明:
引數描述
dtype
資料型別,可選。不指定dtype時,將根據資料自動關聯乙個型別
函式描述
引數說明
numpy.arange(start, stop, step, dtype)
建立乙個一維陣列,設定了起始值、終止值及步長
start:起始值,預設為0
stop:終止值(不包含)
step:步長,預設為1
dtype:返回ndarray的資料型別
numpy.ones(shape, dtype = float, order = 『c』)
建立指定大小生成乙個全1陣列
shape:陣列形狀
dtype:資料型別可選
order:『c』 用於 c 的行陣列,或 『f』 用於 fortran的列陣列
numpy.zeros(shape, dtype = float, order = 『c』)
建立指定大小生成乙個全0陣列
numpy.full(shape,val)
建立指定大小的陣列,每個元素值都是val
numpy.eye(n)
建立乙個n*n的單位矩陣(對角線值為1)
numpy.ones_like(a)
根據a的形狀生成乙個全1陣列
numpy.zeros_like(a)
根據a的形狀生成乙個全0陣列
numpy.full_like(a,val)
根據a的形狀生成乙個陣列,每個元素值都是val
numpy.linspace(start, stop, num=50, endpoint=true, retstep=false, dtype=none)
建立乙個一維陣列,陣列是乙個等差數列
start:序列的起始值
stop:序列的終止值,如果endpoint為true,該值包含於數列中
num:要生成的等步長的樣本數量,預設為50
endpoint :該值為 true 時,數列中包含stop值,反之不包含,預設是true。
retstep 如果為 true 時,生成的陣列中會顯示間距,反之不顯示。
dtype:ndarray 的資料型別
numpy.logspace(start, stop, num=50, endpoint=true, base=10.0, dtype=none)
建立乙個等比數列
start:序列的起始值為:base ** start
stop:序列的終止值為:base ** stop。
如果endpoint為true,該值包含於數列中
num:要生成的等步長的樣本數量,預設為50
endpoint:該值為 true 時,數列中中包含stop值,反之不包含,預設是true。
base:對數 log 的底數。
3.1 numpy.arange例項
#生成乙個陣列,起始值10、終止值20,步長2:
import numpy as np
x = np.arange(10,
20,2)
print
(x)
輸出結果如下:
[10 12 14 16 18]3.2 numpy.ones例項(zeros, full 同理)
#生成乙個陣列,元素全為1:
import numpy as np
# 預設為浮點數
x = np.ones(5)
print
(x)# 自定義型別
x = np.ones([2
,2], dtype =
int)
print
(x)
輸出結果如下:
[1. 1. 1. 1. 1.]3.3 numpy.linspace例項[[1 1]
[1 1]]
import numpy as np
#設定起始點為 1 ,終止點為 10,數列個數為 10
a = np.linspace(1,
10,10)
print
(a)#將 endpoint 設為 false,不包含終止值;如果將 endpoint 設為 true,則會包含 20
b = np.linspace(10,
20,5, endpoint =
false
)print
(b)#設定間距
c =np.linspace(1,
10,10,retstep=
true
)print
(c)
#輸出結果如下:
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]3.4 numpy.logspace例項[10. 12. 14. 16. 18.]
(array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]), 1.0)
import numpy as np
# 預設底數是 10
a = np.logspace(
1.0,
2.0, num =10)
print
(a)b = np.logspace(0,
9,10,base=2)
print
(b)
#輸出結果如下:
[ 10. 12.91549665 16.68100537 21.5443469 27.82559402mooc35.93813664 46.41588834 59.94842503 77.42636827 100. ]
[ 1. 2. 4. 8. 16. 32. 64. 128. 256. 512.]
科學計算之Numpy入門1
numpy所包括的函式可以十分方便的進行資料處理,尤其是矩陣運算,之前的python都是使用列表與元組,在進行矩陣運算的時候非常不便。對於同樣的數值計算任務,使用numpy要比直接使python 方便得多。因為numpy 能夠直接對陣列和矩陣進行操作,量大大的減少了,並且其眾多的數學函式也會讓編寫 ...
Python的Numpy入門基礎1
numpy作為python的常用庫,主要實現陣列的計算和分析,其優點是直接進行陣列計算,相比python的巢狀列表,更加高效。在功能上,與pandas存在一定的相似性。引用庫的方法 import numpy as np 一般縮寫為np,方便後續的引用在資料分析過程中,存在建立定義 索引 切片 矩陣轉...
NumPy學習筆記(1) NumPy庫簡介
這兩年python特別火,在一些it 上轉一圈各處都能看到關於python的技術類文章,引用官方的說法 python就是 一種解釋型的 物件導向的 帶有動態語義的高階程式語言 等方面。我是因為搞深度學習開始接觸python的,之前學的c 在遇見python後簡直開啟了新世界的大門,碼 的幸福感簡直爆...