科学计算之NumPy

NumPy库学习

---

数组

NumPy的主要对象为同类型的多维数组
维度成为轴，轴的数目为rank

1. 一维数组

   [1, 2, 3]

2. 二维数组

   [[1, 2, 3],
   [2, 3, 4]]

   逻辑分割

NumPy的数组命名ndarray，简称array

与标准Python库array.array不同，标准库内容少

数组属性

• ndarray.ndim 判断数组的轴的个数

  import numpy as np
  x = np.array([[1, 2, 3], [4, 5, 6]])
  print(x)  # array([1, 2, 3], [4, 5, 6])
  print(x.ndim)  # 2

• ndarray.shape 对n行m列的矩阵，shape返回(n, m)

  import numpy as np
  x = np.array([[1, 2, 3], [4, 5, 6]])
  print(x.shape)  # (2, 3)

• ndarry.size 数组元素的总数等于shape的乘积

  import numpy as np
  x = np.array([[1, 2, 3], [4, 5, 6]])
  print(x.size)  # 6

• ndarry.dtype 描述数组中元素类型的对象

  import numpy as np
  x = np.array([[1, 2, 3], [4, 5, 6]])
  print(x.dtype)  # dtype('int64')
  y = np.array([1., 2, 3])  # 向上转化浮点数优先级高
  print(y)  # array([1., 2., 3.])
  print(y.dtype)  # dtype('float64')

• ndarry.itemsize 数组中每个元素的字节大小

  import numpy as np
  x = np.array([[1, 2, 3], [4, 5, 6]])
  print(x.itemsize)  # 8

  float64类型数组的itemsize为8(=64/8)
  complex32类型数组的itemsize为4(=32/4)

• ndarray.strides 步长幅度(有疑问，后续需要查资料)

  import numpy as np
  x = np.array([[1, 2, 3], [4, 5, 6]])
  print(x.strides)  # (14, 4)
  y = np.array([[1, 2], [3, 4], [5, 6]])
  print(y.strides)  # (8, 4)
  z = np.array([1, 2, 3])
  print(z.strides)  # (4,)

• ndarray.data 指针(不用)

• ndarray.flags 存放数组自身相关属性

  import numpy as np
  x = np.array([[1, 2, 3], [4, 5, 6]])
  print(x.flags)
  '''
  F_CONTIGUOUS : False  #
  OWNDATA : True  # 是否属于自己
  WRITEABLE : True  # 是否可写
  ALIGNED : True  # 是否对齐
  WRITEBACKIFCOPY : False  
  UPDATEIFCOPY : False
  '''
  # 修改属性
  x.flags.writable = False

创建数组

1. numpy.array 使用array函数从常规Python列表或元组中创建数组

   import numpy as np
   print(np.array(1))  # array(1)  0维占位用

2. numpy.zeros() 创建一个由0组成的数组
   numpy.ones() 创建一个由1组成的数组

   import numpy as np
   print(np.zeros((3, 4)))  # 3x4
   print(np.ones(3, 4))
   print(np.zeros(3, 4), dtype = bool)  # 指定类型

3. numpy.empty() 生成无用数据

   import numpy as np
   print(np.empty(2, 3))

4. numpy.random.random() 创建随机

   import numpy as np
   print(np.random.random((2, 3)))

5. numpy.arange() 创建数字序列

   import numpy as np
   print(np.arange(0, 10, 2))  # 始，终，步长

6. numpy.linspace() 创建等步长的数字序列

   import numpy as np
   print(np.linspce(0, 2, 9))  # 始，终，个数

7. numpy.fromfunction() 从给定函数中创建数组

   import numpy as np
   def f(x, y):
       return 2*x+y
   print(np.fromfunction(f,(3, 3)))  

8. numpy.eye()和numpy.identity() 创建正方形矩阵，对角线是1，其余为零

   import numpy as np
   print(np.eye(2))
   print(np.identity(3))
   print(np.eye(4), k = 1)   # 向右偏移
   print(np.eye(4), k = -1)  # 向左偏移

9. numpy.fromfile()和numpy.tofile() 从文件中存取

10. numpy.load()和numpy.save() NumPy专用二级制存储文件