NumPy基础

NumPy Ndarray对象

• ndarray 对象是用于存放同类型元素的多维数组。
• ndarray 中的每个元素在内存中都有相同存储大小的区域。
• ndarray 内部由以下内容组成：
  • 一个指向数据（内存或内存映射文件中的一块数据）的指针。
  • 数据类型或 dtype，描述在数组中的固定大小值的格子。
  • 一个表示数组形状（shape）的元组，表示各维度大小的元组。
  • 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要“跨过”的字节数。

创建一个ndarray只需要调用Numpy中的array函数即可：

numpy.array(object,dtype = None,copy = True,order = None,subok = False,ndmin = 0)

事实上我也只用管 object 和 dtype 两个参数就可以了。常见的 dtype 类型：

dtype=int
dtype=float
dtype=np.float64
dtype=np.int32
dtype=complex

complex 是复数类型

import numpy as np
a = np.array([[1,2,3],[3,4,5],[6,7,8]],dtype = complex)
print(a)
'''
        [[1.+0.j 2.+0.j 3.+0.j]
        [3.+0.j 4.+0.j 5.+0.j]
        [6.+0.j 7.+0.j 8.+0.j]]
'''

NumPy数组属性

现在主要了解这几个属性：

ndarray.ndim #数组的秩（rank）
ndarray.shape #数组维度的长度
ndarray.size #数组元素总个数

可以理解为 ndarray.ndim == len(ndarray.shape)

ndarray.shape也可以调整数组大小：

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

'''
		[[1 2]
		 [3 4]
		 [5 6]]
'''

NumPy创建数组

• numpy.empty

  import numpy as np 
  x = np.empty([3,2], dtype = int) 
  print (x)
  '''
  [[ 6917529027641081856  5764616291768666155]
   [ 6917529027641081859 -5764598754299804209]
   [          4497473538      844429428932120]]
  '''

  元组元素均为随机值

• numpy.zeros

  import numpy as np
   
  # 默认为浮点数
  x = np.zeros(5) 
  print(x)
   '''
   [0. 0. 0. 0. 0.]
   '''
  # 设置类型为整数
  y = np.zeros((5,), dtype = int) 
  print(y)
   '''
   [0 0 0 0 0]
   '''
  # 自定义类型
  z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])  
  print(z)
  '''
  [[(0, 0) (0, 0)]
   [(0, 0) (0, 0)]]
  '''

• numpy.ones

  import numpy as np
   
  # 默认为浮点数
  x = np.ones(5) 
  print(x)
   '''
   [1. 1. 1. 1. 1.]
   '''
  # 自定义类型
  x = np.ones([2,2], dtype = int)
  print(x)
  '''
  [[1 1]
   [1 1]]
  '''

NumPy从数值范围创建数组

numpy.arange(start, stop, step, dtype)

其中起始值默认为0，步长默认为1

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

numpy.linspace用于创建一个一维数组，由等差数列构成

参数	描述
start	序列的起始值
stop	序列的终止值，如果endpoint为true，该值包含于数列中
num	要生成的等步长的样本数量，默认为50
endpoint	该值为 true 时，数列中包含stop值，反之不包含，默认是True。
retstep	如果为 True 时，生成的数组中会显示间距，反之不显示。
dtype	ndarray 的数据类型

NumPy切片和索引

ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组，也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作。

import numpy as np
 
a = np.arange(10)
s = slice(2,7,2)   # 从索引 2 开始到索引 7 停止，间隔为2
print (a[s])
'''
[2  4  6]
'''
import numpy as np
 
a = np.arange(10)  
b = a[2:7:2]   # 从索引 2 开始到索引 7 停止，间隔为 2
print(b)
'''
[2  4  6]
'''

冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。

切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])  
print (a[...,1])   # 第2列元素
print (a[1,...])   # 第2行元素
print (a[...,1:])  # 第2列及剩下的所有元素
'''
[2 4 5]
[3 4 5]
[[2 3]
 [4 5]
 [5 6]]
'''

NumPy Matplotlib

Matplotlib 是 Python 的绘图库。这里只给出一个基础示例，详细内容在下一个项目文档中展示。

示例

import numpy as np 
from matplotlib import pyplot as plt 
 
x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("Matplotlib demo") 
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y) 
plt.show()