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