Python——NumPy库入门

1、数据的纬度

维度：一组数据的组织形式

1.1 一维数据

一维数据由对等关系的有序或无序数据构成，采用线性方式组织 ,对应列表、数组和集合等概念

列表：数据类型可以不同 ,如 3.1413, 'pi', 3.1404, [3.1401, 3.1349], '3.1376'

数组：数据类型相同 。如：3.1413, 3.1398, 3.1404, 3.1401, 3.1349, 3.1376

1.2 二维数据

二维数据由多个一维数据构成，是一维数据的组合形式。表格是典型的二维数据其中，表头是二维数据的一部分 。

1.3 多维数据

多维数据由一维或二维数据在新维度上扩展形成

1.4 高维数据

高维数据仅利用最基本的二元关系展示数据间的复杂结构

2、NumPy的数组对象：ndarray

NumPy是一个开源的Python科学计算基础库，包含：

• 一个强大的N维数组对象 ndarray

• 广播功能函数

• 整合C/C++/Fortran代码的工具

• 线性代数、傅里叶变换、随机数生成等功能

NumPy是SciPy、 Pandas等数据处理或科学计算库的基础

2.1 NumPy的引用

2.2 N维数组对象：ndarray

例：计算 A²+B³，其中，A和B是一维数组 。

def pysum():
        a=[0,1,2,3,4]
        b=[9,8,7,6,5]
        c=[]
        for i in range(len(a)):
                c.append(a[i]**2+b[i]**3)

        return c
print(pysum())

利用python 已有的列表类型和循环的方法可以求出结果，但是程序繁琐。

>>> print (npsum())
None
>>> import numpy as np
>>> def npsum():
	a=np.array([0,1,2,3,4])
	b=np.array([9,8,7,6,5])
	c=a**2+b**3
	return c
>>> print(npsum())
[729 513 347 225 141]

利用numpy方式编程，可以看出，并没有使用循环，更简洁。

2.2.1　　

• 数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据

• 设置专门的数组对象，经过优化，可以提升这类应用的运算速度

观察：科学计算中，一个维度所有数据的类型往往相同

• 数组对象采用相同的数据类型，有助于节省运算和存储空间

ndarray是一个多维数组对象，由两部分构成：

• 实际的数据

• 描述这些数据的元数据（数据维度、数据类型等）ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始

2.2.2

np.array()输出成[]形式，元素由空格分割 。

8位（0或者1）组成一个字节。

2.3

2.3.1ndarray数组的元素类型

对比：Python语法仅支持整数、浮点数和复数3种类型

• 科学计算涉及数据较多，对存储和性能都有较高要求

• 对元素类型精细定义，有助于NumPy合理使用存储空间并优化性能

• 对元素类型精细定义，有助于程序员对程序规模有合理评估

2.3.2

非同质的ndarray

非同质ndarray对象无法有效发挥NumPy优势，尽量避免使用

2.4 ndarray数组的创建

创建方法

• 从Python中的列表、元组等类型创建ndarray数组

• 使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等

• 从字节流（raw bytes）中创建ndarray数组

• 从文件中读取特定格式，创建ndarray数组

2.4.1 从Python中的列表、元组等类型创建ndarray数组

x = np.array(list/tuple)

x = np.array(list/tuple, dtype=np.float32)

2.4.2  使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等

2.5 ndarray数组的变换

2.5.1 纬度的变换

a并没有发生变化

a发生改变

输出一维，但是a并没有发生变化

2.5.2 ndarray数组的类型变换

new_a = a.astype(new_type)

2.5.3 ndarray数组向列表的转换

ls = a.tolist()

2.6 ndarray数组的操作

数组的索引和切片

索引：找到特定位置的数据

切片：找到特定位置的一组数据

一维数组的索引和切片：与Python的列表类似

多维数组的索引：

多维数组的切片：

2.7 ndarray数组的运算

2.7.1 数组与标量之间的运算

2.7.2 NumPy一元函数

2.7.3NumPy二元函数