快捷導(dǎo)航

python中numpy包使用教程之?dāng)?shù)組和相關(guān)操作詳解

更新時(shí)間：2017年07月30日 11:01:26 作者：一路前行1

這篇文章主要給大家介紹了關(guān)于python中numpy包的使用教程，包含數(shù)組和相關(guān)操作等內(nèi)容，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)跟著小編一起學(xué)習(xí)學(xué)習(xí)吧。

前言

大家應(yīng)該都有所了解，下面就簡(jiǎn)單介紹下Numpy，NumPy(Numerical Python)是一個(gè)用于科學(xué)計(jì)算第三方的Python包。

NumPy提供了許多高級(jí)的數(shù)值編程工具，如：矩陣數(shù)據(jù)類(lèi)型、矢量處理，以及精密的運(yùn)算庫(kù)。專(zhuān)為進(jìn)行嚴(yán)格的數(shù)字處理而產(chǎn)生。下面本文將詳細(xì)介紹關(guān)于python中numpy包使用教程之?dāng)?shù)組和相關(guān)操作的相關(guān)內(nèi)容，下面話(huà)不多說(shuō)，來(lái)一起看看詳細(xì)的介紹：

一、數(shù)組簡(jiǎn)介

Numpy中，最重要的數(shù)據(jù)結(jié)構(gòu)是：多維數(shù)組類(lèi)型（numpy.ndarray）

ndarray由兩部分組成：

實(shí)際所持有的數(shù)據(jù)；
描述這些數(shù)據(jù)的元數(shù)據(jù)（metadata）

數(shù)組（即矩陣）的維度被稱(chēng)為axes，維數(shù)稱(chēng)為rank

ndarray 的重要屬性包括:

ndarray.ndim：數(shù)組的維數(shù)，也稱(chēng)為rank
ndarray.shape：數(shù)組各維的大小，對(duì)一個(gè)n行m列的矩陣來(lái)說(shuō)， shape 為 (n,m)
ndarray.size：元素的總數(shù)。
ndarray.dtype：每個(gè)元素的類(lèi)型，可以是numpy.int32, numpy.int16, and numpy.float64等
ndarray.itemsize：每個(gè)元素占用的字節(jié)數(shù)。
ndarray.data：指向數(shù)據(jù)內(nèi)存。

二、數(shù)組的使用

使用numpy前要先導(dǎo)入模塊，使用下面的語(yǔ)句導(dǎo)入模塊：

improt numpy as np #其中np為numpy的別名，是一種習(xí)慣用法

1.使用array方法生成數(shù)組

array，也就是數(shù)組，是numpy中最基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)，最關(guān)鍵的屬性是維度和元素類(lèi)型，在numpy中，可以非常方便地創(chuàng)建各種不同類(lèi)型的多維數(shù)組，并且執(zhí)行一些基本基本操作，生成數(shù)組的方法有一下幾種：
以list或tuple變量產(chǎn)生以為數(shù)組：

>>> print np.array([1,2,3,4]) 
[1 2 3 4] 
>>> print np.array((1.2,2,3,4)) 
[ 1.2 2. 3. 4. ]

以list或tuple變量為元素產(chǎn)生二維數(shù)組或者多維數(shù)組：

>>> 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方法生成數(shù)組

>>> print np.arange(15) 
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] 
>>> print type(np.arange(15)) 
<type 'numpy.ndarray'>

3.使用內(nèi)置函數(shù)生成特殊矩陣（數(shù)組）

零矩陣

>>> print np.zeros((3,4)) 
[[ 0. 0. 0. 0.] 
 [ 0. 0. 0. 0.] 
 [ 0. 0. 0. 0.]]

一矩陣

>>> print np.ones((3,4)) 
[[ 1. 1. 1. 1.] 
 [1. 1. 1. 1.] 
 [ 1. 1. 1. 1.]]

單位矩陣

>>> print np.eye(3) 
[[ 1. 0. 0.] 
 [0. 1. 0.] 
 [ 0. 0. 1.]]

4.索引與切片

>>> x = np.array(((1,2,3),(4,5,6))) 
>>> x[1,2] #獲取第二行第三列的數(shù) 
6

>>> y=x[:,1] #獲取第二列 
>>> y 
array([2, 5])

與python語(yǔ)法一致，不再舉例。

5.獲取數(shù)組屬性

>>> a = np.zeros((2,2,2)) 
>>> print a.ndim #數(shù)組的維數(shù) 
3 
>>> print a.shape #數(shù)組每一維的大小 
(2, 2, 2) 
>>> print a.size #數(shù)組的元素?cái)?shù) 
8 
>>> print a.dtype #元素類(lèi)型 
float64 
>>> print a.itemsize #每個(gè)元素所占的字節(jié)數(shù) 
8

6.數(shù)組變換

多維轉(zhuǎn)換為一維：

>>> x 
array([[1, 2, 3], 
  [4, 5, 6]]) 
>>> x.flatten() 
array([1, 2, 3, 4, 5, 6])

一維轉(zhuǎn)換為多維：

>>> print np.arange(15).reshape(3,5) #改變形狀，將一維的改成三行五列 
[[ 0 1 2 3 4] 
 [ 5 6 7 8 9] 
 [10 11 12 13 14]]

轉(zhuǎn)置：

>>> x 
array([[1, 2, 3], 
  [4, 5, 6]]) 
>>> x.transpose() 
array([[1, 4], 
  [2, 5], 
  [3, 6]])

7.數(shù)組組合

水平組合：

>>> y=x 
>>> numpy.hstack((x,y)) 
array([[1, 2, 3, 1, 2, 3], 
  [4, 5, 6, 4, 5, 6]]

垂直組合

>>> numpy.vstack((x,y)) 
array([[1, 2, 3], 
  [4, 5, 6], 
  [1, 2, 3], 
  [4, 5, 6]])

用concatenate函數(shù)可以同時(shí)實(shí)現(xiàn)這兩種方式，通過(guò)指定axis參數(shù)，默認(rèn)為0，垂直組合。

>>> 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.數(shù)組分割

垂直分割

>>> z 
array([[1, 2, 3], 
  [4, 5, 6], 
  [1, 2, 3], 
  [4, 5, 6]]) 
>>> numpy.vsplit(z,2) #注意這里設(shè)置的分割數(shù)目必須可以被行數(shù)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函數(shù)可以同時(shí)實(shí)現(xiàn)這兩個(gè)效果，通過(guò)設(shè)置其axis參數(shù)區(qū)別，與組合類(lèi)似，這里不在演示。

三、矩陣

通過(guò)上面對(duì)數(shù)組的操作可以知道，numpy中可以通過(guò)數(shù)組模擬矩陣，但是numpy也有專(zhuān)門(mén)處理矩陣的數(shù)據(jù)結(jié)構(gòu)——matrix。

1.生成矩陣

>>> numpy.mat('1 2 3;4 5 6;7 8 9') 
matrix([[1, 2, 3], 
  [4, 5, 6], 
  [7, 8, 9]])

2.數(shù)組矩陣轉(zhuǎn)化

矩陣轉(zhuǎn)數(shù)組

>>> m=numpy.mat('1 2 3;4 5 6;7 8 9') 
>>> numpy.array(m) 
array([[1, 2, 3], 
  [4, 5, 6], 
  [7, 8, 9]])

數(shù)組轉(zhuǎn)矩陣

>>> n=numpy.array(m) 
>>> numpy.mat(n) 
matrix([[1, 2, 3], 
  [4, 5, 6], 
  [7, 8, 9]])

3.矩陣方法

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]])

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來(lái)一定的幫助，如果有疑問(wèn)大家可以留言交流，謝謝大家對(duì)腳本之家的支持

您可能感興趣的文章: