python中numpy包使用教程之数组和相关操作详解
前言
大家应该都有所了解,下面就简单介绍下Numpy,NumPy(NumericalPython)是一个用于科学计算第三方的Python包。
NumPy提供了许多高级的数值编程工具,如:矩阵数据类型、矢量处理,以及精密的运算库。专为进行严格的数字处理而产生。下面本文将详细介绍关于python中numpy包使用教程之数组和相关操作的相关内容,下面话不多说,来一起看看详细的介绍:
一、数组简介
Numpy中,最重要的数据结构是:多维数组类型(numpy.ndarray)
ndarray由两部分组成:
- 实际所持有的数据;
- 描述这些数据的元数据(metadata)
数组(即矩阵)的维度被称为axes,维数称为rank
ndarray的重要属性包括:
- ndarray.ndim:数组的维数,也称为rank
- ndarray.shape:数组各维的大小,对一个n行m列的矩阵来说,shape为(n,m)
- ndarray.size:元素的总数。
- ndarray.dtype:每个元素的类型,可以是numpy.int32,numpy.int16,andnumpy.float64等
- ndarray.itemsize:每个元素占用的字节数。
- ndarray.data:指向数据内存。
二、数组的使用
使用numpy前要先导入模块,使用下面的语句导入模块:
improtnumpyasnp#其中np为numpy的别名,是一种习惯用法
1.使用array方法生成数组
array,也就是数组,是numpy中最基础的数据结构,最关键的属性是维度和元素类型,在numpy中,可以非常方便地创建各种不同类型的多维数组,并且执行一些基本基本操作,生成数组的方法有一下几种:
以list或tuple变量产生以为数组:
>>>printnp.array([1,2,3,4]) [1234] >>>printnp.array((1.2,2,3,4)) [1.22.3.4.]
以list或tuple变量为元素产生二维数组或者多维数组:
>>>x=np.array(((1,2,3),(4,5,6))) >>>x array([[1,2,3], [4,5,6]]) >>>y=np.array([[1,2,3],[4,5,6]]) >>>y array([[1,2,3], [4,5,6]])
2.使用numpy.arange方法生成数组
>>>printnp.arange(15) [01234567891011121314] >>>printtype(np.arange(15))
3.使用内置函数生成特殊矩阵(数组)
零矩阵
>>>printnp.zeros((3,4)) [[0.0.0.0.] [0.0.0.0.] [0.0.0.0.]]
一矩阵
>>>printnp.ones((3,4)) [[1.1.1.1.] [1.1.1.1.] [1.1.1.1.]]
单位矩阵
>>>printnp.eye(3) [[1.0.0.] [0.1.0.] [0.0.1.]]
4.索引与切片
>>>x=np.array(((1,2,3),(4,5,6))) >>>x[1,2]#获取第二行第三列的数 6
>>>y=x[:,1]#获取第二列 >>>y array([2,5])
与python语法一致,不再举例。
5.获取数组属性
>>>a=np.zeros((2,2,2)) >>>printa.ndim#数组的维数 3 >>>printa.shape#数组每一维的大小 (2,2,2) >>>printa.size#数组的元素数 8 >>>printa.dtype#元素类型 float64 >>>printa.itemsize#每个元素所占的字节数 8
6.数组变换
多维转换为一维:
>>>x array([[1,2,3], [4,5,6]]) >>>x.flatten() array([1,2,3,4,5,6])
一维转换为多维:
>>>printnp.arange(15).reshape(3,5)#改变形状,将一维的改成三行五列 [[01234] [56789] [1011121314]]
转置:
>>>x array([[1,2,3], [4,5,6]]) >>>x.transpose() array([[1,4], [2,5], [3,6]])
7.数组组合
水平组合:
>>>y=x >>>numpy.hstack((x,y)) array([[1,2,3,1,2,3], [4,5,6,4,5,6]]
垂直组合
>>>numpy.vstack((x,y)) array([[1,2,3], [4,5,6], [1,2,3], [4,5,6]])
用concatenate函数可以同时实现这两种方式,通过指定axis参数,默认为0,垂直组合。
>>>numpy.concatenate((x,y)) array([[1,2,3], [4,5,6], [1,2,3], [4,5,6]]) >>>numpy.concatenate((x,y),axis=1) array([[1,2,3,1,2,3], [4,5,6,4,5,6]])
8.数组分割
垂直分割
>>>z array([[1,2,3], [4,5,6], [1,2,3], [4,5,6]]) >>>numpy.vsplit(z,2)#注意这里设置的分割数目必须可以被行数整除 [array([[1,2,3], [4,5,6]]),array([[1,2,3], [4,5,6]])]
水平分割
>>>numpy.hsplit(z,3) [array([[1], [4], [1], [4]]),array([[2], [5], [2], [5]]),array([[3], [6], [3], [6]])]
用split函数可以同时实现这两个效果,通过设置其axis参数区别,与组合类似,这里不在演示。
三、矩阵
通过上面对数组的操作可以知道,numpy中可以通过数组模拟矩阵,但是numpy也有专门处理矩阵的数据结构——matrix。
1.生成矩阵
>>>numpy.mat('123;456;789') matrix([[1,2,3], [4,5,6], [7,8,9]])
2.数组矩阵转化
矩阵转数组
>>>m=numpy.mat('123;456;789') >>>numpy.array(m) array([[1,2,3], [4,5,6], [7,8,9]])
数组转矩阵
>>>n=numpy.array(m) >>>numpy.mat(n) matrix([[1,2,3], [4,5,6], [7,8,9]])
3.矩阵方法
求逆:
>>>m.I matrix([[-4.50359963e+15,9.00719925e+15,-4.50359963e+15], [9.00719925e+15,-1.80143985e+16,9.00719925e+15], [-4.50359963e+15,9.00719925e+15,-4.50359963e+15]])
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流,谢谢大家对毛票票的支持