Python系列 之 NumPy库

NumPy库

NumPy 是一个运行速度非常快的数学库，主要用于数组计算；
NumPy库不在Python的标准模块中，需要先下载NumPy库；
可以使用pip工具下载：

pip install numpy

引用NumPy库：

import numpy as np

可以通过 numpy._version_ 查看 numpy 的版本：

# 查看Numpy的版本
print("Numpy版本：", np.__version__)
# 输出：
# Numpy版本： 1.20.1

ndarray对象

Numpy包的核心对象是 ndarray；它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。
ndarray 对象是用于存放同类型元素的多维数组，每个元素在内存中都有相同存储大小的区域。

创建ndarray对象

通过array函数创建 np.array(list|tuple|其他类似的数组对象)

# 参数 ndmin 可以指定数组的维度;
# 参数 dtype 可以指定数组元素的数据类型
arr = np.array((0, 1, 2), ndmin=3, dtype=float)
print("arr的元素:\n", arr)
# 输出：
# arr的元素:
#  [[[0. 1. 2.]]]

np.random.random()方法 创建ndarray对象

# np.random.random()方法 创建ndarray对象
arr_random = np.random.random((2, 2))
print("arr_random的元素：\n", arr_random)
# 输出：
# arr_random的元素：
#  [[0.98249212 0.38319581]
#  [0.0135647  0.36293739]]

np.arange()方法：

# np.arange([start, ]stop, [step, ]dtype=None) 函数 
# 类似range函数 只是不返回列表而是ndarray数组对象 dtype定义元素的数据类型
# 例如：从10-50(不含50)之间每隔10个数字选取一个数字作为数组元素，元素类型设置为float
arr_arange = np.arange(10, 50, 10, dtype=float)
print("arr_arange的元素：\n", arr_arange)
# 输出：
# arr_arange的元素：
#  [10. 20. 30. 40.]

np.linspace()方法：

# np.linspace(start, stop, num=50) 函数 
# 选取start和stop之间等差的num个元素
# 例如：选取1-5之间6个等差的数值作为数组的元素
arr_linspace = np.linspace(1, 5, 6)
print("arr_linspace的元素：\n", arr_linspace)
# 输出：
# arr_linspace的元素：
#  [1.  1.8 2.6 3.4 4.2 5. ]

很多时候数组的元素是未知的，但是数组的维度大小可能是已经确定的；可以通过zeros,ones,empty函数快速创建固定结构的数组

np.zeros方法

# np.zeros(shape: _ShapeLike) 函数 创建的数组 
# 元素默认值是 0 元素数据类型 float
# 创建和arr结构一样的元素为0的数组
# arr_zero = np.zeros(arr.shape)
arr_zero = np.zeros((1, 1, 3))
print("arr_zero的元素：\n", arr_zero)
# 输出：
# arr_zero的元素：
#  [[[0. 0. 0.]]]

np.ones方法

# np.ones(shape: _ShapeLike)  函数 创建的数组 
# 元素默认值是 1  元素数据类型 float
# arr_one = np.ones(arr.shape)
arr_one = np.ones((1, 1, 3))
print("arr_one的元素：\n", arr_one)
# 输出：
# arr_one的元素：
#  [[[1. 1. 1.]]]

np.empty方法

# np.empty(shape: _ShapeLike) 函数 创建的数组 
# 元素默认值是随机的，取决于内存状态 元素数据类型 float
# arr_empty = np.empty(arr.shape)
arr_empty = np.empty((1, 1, 3))
print("arr_empty的元素：\n", arr_empty)
# 输出：
# arr_empty的元素：
#  [[[1. 1. 1.]]]

ndarray对象的重要属性

ndim 轴：rank
ndarray.ndim 数组的轴(维度)的个数：rank
轴的概念：
[0,1,2] 该数组有一个轴，轴拥有 3 个元素
[[0,1,2],[1,2,3]]该数组有 2 个轴，第1轴长度为 2，第2轴长度为 3

arr1 = np.array(range(5))
arr2 = np.array([range(10)])
arr3 = np.array([[range(15)]])
arr4 = np.array(range(20), ndmin=4)
print("arr1轴(维度)的个数:", arr1.ndim,
      "\narr2轴(维度)的个数:", arr2.ndim,
      "\narr3轴(维度)的个数:", arr3.ndim,
      "\narr4轴(维度)的个数:", arr4.ndim)
# 输出：
# arr1轴(维度)的个数: 1 
# arr2轴(维度)的个数: 2 
# arr3轴(维度)的个数: 3 
# arr4轴(维度)的个数: 4

shape 数组的维度：
ndarray.shape 一个tuple 表示每个维度数组的长度；tuple的每个元素对应表示每个轴的长度；tuple的长度就是数组的轴的个数；如果返回tuple(n,m) 表示该数组是个 n行 m列 的矩阵

print("arr1.shape:", arr1.shape,
      "\narr2.shape:", arr2.shape,
      "\narr3.shape:", arr3.shape,
      "\narr4.shape:", arr4.shape)
# 输出：
# arr1.shape: (5,) 
# arr2.shape: (1, 10) 
# arr3.shape: (1, 1, 15) 
# arr4.shape: (1, 1, 1, 20)

size 数组元素的总和：
ndarray.size 等于 ndarray.shape 返回 tuple 元素的乘积；

print("arr1.size:", arr1.size,
      "\narr2.size:", arr2.size,
      "\narr3.size:", arr3.size,
      "\narr4.size:", arr4.size)
# 输出：
# arr1.size: 5 
# arr2.size: 10 
# arr3.size: 15 
# arr4.size: 20

dtype 数组中元素类型的对象

arr5 = np