python三大库之--numpy（一）

python三大库之–numpy（一）

一、numpy基础

1.1概念

• numpy是python的第三方扩展包，主要用于计算，处理一维数据或多维数据
• NumPy 提供了大量的数学函数
• NumPy 的底层主要用 C语言编写，因此它能够高速地执行数值计算
• NumPy 还提供了多种数据结构，这些数据结构能够非常契合的应用在数组和矩阵的运算上

优点

NumPy 可以很便捷高效地处理大量数据，使用 NumPy 做数据处理的优点如下：

• NumPy 是 Python 科学计算基础库
• NumPy 可以对数组进行高效的数学运算
• NumPy 的 ndarray 对象可以用来构建多维数组
• NumPy 能够执行傅立叶变换与重塑多维数组形状
• NumPy 提供了线性代数，以及随机数生成的内置函数

1.3 与python列表区别

• NumPy 数组是同质数据类型（homogeneous），即数组中的所有元素必须是相同的数据类型。数据类型在创建数组时指定，并且数组中的所有元素都必须是该类型。

• Python 列表是异质数据类型（heterogeneous），即列表中的元素可以是不同的数据类型。列表可以包含整数、浮点数、字符串、对象等各种类型的数据。

• NumPy 数组提供了丰富的数学函数和操作，如矩阵运算、线性代数、傅里叶变换等。

• Python 列表提供了基本的列表操作，如添加、删除、切片、排序等。

二、使用步骤

1.引入库

在这里可以使用清华源

pip install numpy==1.26.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

2.创建对象

通过 NumPy 的内置函数 array() 可以创建 ndarray 对象，其语法格式如下：

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

• object：表示一个数组序列
• dtype：参数，通过它可以更改数组的数据类型
• copy：可选参数，表示数组能否被复制，默认是 True
• order：以哪种内存布局创建数组，有 3 个可选值，分别是 C(行序列)/F(列序列)/A(默认)
• ndmin：用于指定数组的维度

import numpy as np

a=np.array([1,2,3,4,5])
print(a)
b=np.array([[1,2,3],[4,5,6]])
print(b)

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

2.1.zeros()

创建指定大小的数组，数组元素以 0 来填充

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

a=np.zeros((2,3),dtype=int,order='F')
print(a)

[[0 0 0]
 [0 0 0]]

2.2.ones()

• shape：数组的形状（如 (2, 3) 表示 2 行 3 列的数组）
• fill_value：填充的值
• dtype：数组的数据类型（如 np.float32）
• order：数组的内存布局（如 'C' 表示 C 风格，'F' 表示 Fortran 风格）

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

a= np.ones((2,3),dtype=int,order='F')
print(a)

[[1 1 1]
 [1 1 1]]

2.3full()

a=np.full((2,3),5,dtype=int,order='F')
print(a)

[[5 5 5]
 [5 5 5]]

2.5arange()

arange() 函数用于创建一个等差数列的数组。它类似于 Python 内置的 range() 函数，但返回的是一个 NumPy 数组而不是一个列表。

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

a=np.arange(1,10,2)
print(a)

a=np.arange(1,10,0.5)
print(a)

[1 3 5 7 9]
[1.  1.5 2.  2.5 3.  3.5 4.  4.5 5.  5.5 6.  6.5 7.  7.5 8.  8.5 9.  9.5]

2.6 linspace

在指定的数值区间内，返回均匀间隔的一维等差数组，默认均分 50 份

• 格式

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

#step=stop-start/(num-1)
a,step=np.linspace(1,10,5,retstep=True)
print(a)

[ 1.    3.25  5.5   7.75 10.  ]
[ 1.    3.25  5.5   7.75 10.  ]

三，数据类型

3.1数据类型表

3.2数据类型标识码

浮点数类型

复数类型

布尔类型

字符串类型

Python 对象类型

四，数组属性

4.1 shape

• 返回一个元组，元组中的每个元素表示数组在对应维度上的大小。元组的长度等于数组的维度数。

def shape_test():
    array_one = np.array([[1,2,3],[4,5,6]])
    print('array_one 原数组维度：',array_one.shape)
    print('array_one 原数组内容：',array_one)
    array_one.shape = (3,2)
    print('array_one 转变数组维度大小之后的数组维度：',array_one.shape)
    print('array_one 转变数组维度大小之后的数组内容：',array_one)

shape_test()

array_one 原数组维度： (2, 3)
array_one 原数组内容： [[1 2 3]
 [4 5 6]]
array_one 转变数组维度大小之后的数组维度： (3, 2)
array_one 转变数组维度大小之后的数组内容： [[1 2]
 [3 4]
 [5 6]]

如果使用shape属性修改数组的形状，则修改的是原数组的形状，reshape修改数组的形状会返回一个新数组，不修改原数组的形状。

4.2数组维度

ndim 是 NumPy 数组的一个属性，用于返回数组的维度数（即数组的秩）。它表示数组有多少个维度。

def ndmin_test():
    array_one = np.array([1,2,3],ndmin=2)
    print('array_one 原数组维度：',array_one.ndim)
    print('array_one 原数组内容：',array_one)
    print('array_one 转变数组维度大小之后的数组维度：',array_one.ndim)
    print()
ndmin_test()

array_one 原数组维度： 2
array_one 原数组内容： [[1 2 3]]
array_one 转变数组维度大小之后的数组维度： 2

4.3 flags

flags 属性功能：

返回 ndarray 数组的内存信息

'''
    flags 属性功能：
        1、返回 ndarray 数组的内存信息
'''
def flags_test():
    array_one = np.array([[1,2,3],[4,5,6]])
    print('array_one 数数组的内存信息：\n',array_one.flags)
flags_test()

array_one 数数组的内存信息：
   C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False

说明

C_CONTIGUOUS:
表示数组在内存中是 C 风格连续的（行优先）。
如果为 True，则数组是 C 风格连续的。

F_CONTIGUOUS:
表示数组在内存中是 Fortran 风格连续的（列优先）。
如果为 True，则数组是 Fortran 风格连续的。

OWNDATA:
表示数组是否拥有自己的数据（即是否是视图）。
如果为 True，则数组拥有自己的数据；如果为 False，则数组可能是从另一个数组或对象借用数据的。

WRITEABLE:
表示数组是否可写。
如果为 True，则数组是可写的；如果为 False，则数组是只读的。

ALIGNED:
表示数组是否对齐。
如果为 True，则数组的数据在内存中是对齐的。

WRITEBACKIFCOPY:
表示数组是否是通过 np.copy 创建的副本，并且需要将更改写回原始数组。
如果为 True，则数组是通过 np.copy 创建的副本，并且需要将更改写回原始数组。

UPDATEIFCOPY:
表示数组是否是通过 np.copy 创建的副本，并且需要将更改写回原始数组。
如果为 True，则数组是通过 np.copy 创建的副本，并且需要将更改写回原始数组。