下载numpy

因为numpy不依赖于任何一个包所以numpy可以直接使用pip命令直接下载
下载命令：

pip install numpy # 默认从https://pypi.org/simple 下载
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/ # 从清华大学资源站点下载
pip install numpy -i https://mirrors.aliyun.com/pypi/simple/ # 从阿里云资源站点下载
pip install numpy -i https://pypi.mirrors.ustc.edu.cn/simple/ # 从中科大资源站点下载

建议使用国内源进行下载避免下载过慢或者下载超时的情况出现

导入

在导入numpy的时候我们习惯于将numpy简写成np方便下面程序的调用,几乎所有的程序员都会这么干

import numpy as np

配置

显示格式的设置

获取显示格式配置信息

np.get_printoptions()

np.set_printoptions(precision=None, threshold=None,  linewidth=None, suppress=None, formatter=None)

设置警告信息

查看警告类型的设置

print(np.geterr())

更改警告设置

np.seterr(invalid='ignore')

数组的属性

• ndarray.ndim
  ndarray.ndim用于返回数组的维数，也就是秩

import numpy as np

a = np.arange(24)
print(a)
print(a.ndim)  # a现在只有一个维度 所以返回的结果为1
# 现在调整数组为三维数组
b = a.reshape(2, 4, 3) # b 的维度是3
print(b)
print(b.ndim) 打印的结果为3

• ndarray.shape
  ndarray.shape()表示数组的维度，返回类型为元组，元组的长度就是数组的维度，也可以用于调整数组的大小

a_shape = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
print(a_shape)
print(a_shape.shape) #(2, 4)

# 调整数组
a_shape.shape = (4, 2)
print(a_shape)
# 和reshape函数的作用一样

• ndarray.size
  数组元素的总个数，相当于 .shape 中 n*m 的值

aa = np.arange(6)
print(aa)
print(aa.size)

• ndarray.itemsize
  ndarray.itemsize 以字节的形式返回数组中每一个元素的大小

a = np.arange(24, dtype=np.float64)  # dtype=指定数据类型
print(a.itemsize)

• ndarray.flages
  ndarray.flages 返回ndarray 对象的内存信息，包含以下属性：
  |属性 |说明 |
  |–|–|
  |C_CONTIGUOUS | 数据是在一个单一的C风格的连续段中 |
  | F_CONTIGUOUS | 数据是在一个单一的Fortran风格的连续段中 |
  |OWNDATA|数组拥有它所使用的内存或从另一个对象中借用它|
  |WRITEABLE | 数据区域可以被写入，将该值设置为 False，则数据为只读 |
  |ALIGNED | 数据和所有元素都适当地对齐到硬件上 |
  |UPDATEIFCOPY|这个数组是其它数组的一个副本，当这个数组被释放时，原数组的内容将被更新|

数组的创建

有几种方法可以创建数组。

• empty
  numpy.empty(shape, dtype = float, order = 'C')

x = np.empty([3, 4], dtype=int)
print(x)

注意 :数组元素为随机值，因为它们未初始化。

• numpy.zeros
  numpy.zeros(shape, dtype = float, order = 'C')

# 默认的浮点数类型
x = np.zeros(5)
print(x)
# 设置为整数类型
x2 = np.zeros((5,), dtype=int)
print(x2)
# 自定义类型
x3 = np.zeros((2, 2), dtype=[("x", "i4"), ("y", "i4")])
print(x3)
print(x3.dtype)

• numpy.ones
  numpy.ones(shape, dtype = None, order = 'C')

x = np.ones(5)
print(x)
# 设置为整数类型
y = np.ones([2, 2], dtype=int)
print(y)
# 自定义类型
x3 = np.ones((2, 2), dtype=[("x", "i4"), ("y", "i4")])
print(x3)

• numpy.zeros_like
  numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)

arr = np.arange(9).reshape(3, 3)
print(arr)
arr_like = np.zeros_like(arr)
print(arr_like)

• numpy.ones_like
  numpy.ones_like(a, dtype=None, order='K', subok=True, shape=None)

arr = np.arange(9).reshape(3, 3)
print(arr)
arr_like = np.ones_like(arr)
print(arr_like)

个人笔记学习资源来自网络，如有侵权请联系