科学计算工具NumPy（1）：ndarray的创建于数据类型
科学计算工具NumPy（1）：ndarray的创建于数据类型
Numpy（Numerical Python）
Numpy：提供了一个在Python中做科学计算的基础库，重在数值计算，主要用于多维数组（矩阵）处理的库。用来存储和处理大型矩阵，比Python自身的嵌套列表结构要高效的多。本身是由C语言开发，是个很基础的扩展，Python其余的科学计算扩展大部分都是以此为基础。
-
高性能科学计算和数据分析的基础包
-
ndarray，多维数组（矩阵），具有矢量运算能力，快速、节省空间
-
矩阵运算，无需循环，可完成类似Matlab中的矢量运算
-
线性代数、随机数生成
-
import numpy as np
Scipy
Scipy ：基于Numpy提供了一个在Python中做科学计算的工具集，专为科学和工程设计的Python工具包。主要应用于统计、优化、整合、线性代数模块、傅里叶变换、信号和图像处理、常微分方程求解、稀疏矩阵等，在数学系或者工程系相对用的多一些，和数据处理的关系不大， 我们知道即可，这里不做讲解。
-
在NumPy库的基础上增加了众多的数学、科学及工程常用的库函数
-
线性代数、常微分方程求解、信号处理、图像处理
-
一般的数据处理numpy已经够用
-
import scipy as sp
ndarray的创建于数据类型
NumPy数组是一个多维的数组对象（矩阵），称为ndarray，具有矢量算术运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点。
注意：ndarray的下标从0开始，且数组里的所有元素必须是相同类型
ndarray拥有的属性
ndim属性：维度个数shape属性：维度大小dtype属性：数据类型
ndarray的随机创建
通过随机抽样 (numpy.random) 生成随机数据。
-
# 导入numpy，别名np
-
import numpy as np
-
-
# 生成指定维度大小（3行4列）的随机多维浮点型数据（二维），rand固定区间0.0 ~ 1.0
-
arr = np.random.rand(3, 4)
-
print(arr)
-
print(type(arr))
-
-
# 生成指定维度大小（3行4列）的随机多维整型数据（二维），randint()可以指定区间（-1, 5）
-
arr = np.random.randint(-1, 5, size = (3, 4)) # 'size='可省略
-
print(arr)
-
print(type(arr))
-
-
# 生成指定维度大小（3行4列）的随机多维浮点型数据（二维），uniform()可以指定区间（-1, 5）
-
arr = np.random.uniform(-1, 5, size = (3, 4)) # 'size='可省略
-
print(arr)
-
print(type(arr))
-
-
print('维度个数: ', arr.ndim)
-
print('维度大小: ', arr.shape)
-
print('数据类型: ', arr.dtype)
运行结果：
-
[[ 0.09371338 0.06273976 0.22748452 0.49557778]
-
[ 0.30840042 0.35659161 0.54995724 0.018144 ]
-
[ 0.94551493 0.70916088 0.58877255 0.90435672]]
-
<class 'numpy.ndarray'>
-
-
[[ 1 3 0 1]
-
[ 1 4 4 3]
-
[ 2 0 -1 -1]]
-
<class 'numpy.ndarray'>
-
-
[[ 2.25275308 1.67484038 -0.03161878 -0.44635706]
-
[ 1.35459097 1.66294159 2.47419548 -0.51144655]
-
[ 1.43987571 4.71505054 4.33634358 2.48202309]]
-
<class 'numpy.ndarray'>
-
-
维度个数: 2
-
维度大小: (3, 4)
-
数据类型: float64
ndarray的序列创建
1. np.array(collection)
collection 为 序列型对象(list)、嵌套序列对象(list of list)。
-
# list序列转换为 ndarray
-
lis = range(10)
-
arr = np.array(lis)
-
-
print(arr) # ndarray数据
-
print(arr.ndim) # 维度个数
-
print(arr.shape) # 维度大小
-
-
# list of list嵌套序列转换为ndarray
-
lis_lis = [range(10), range(10)]
-
arr = np.array(lis_lis)
-
-
print(arr) # ndarray数据
-
print(arr.ndim) # 维度个数
-
print(arr.shape) # 维度大小
运行结果：
-
# list序列转换为 ndarray
-
[0 1 2 3 4 5 6 7 8 9]
-
1
-
(10,)
-
-
# list of list嵌套序列转换为 ndarray
-
[[0 1 2 3 4 5 6 7 8 9]
-
[0 1 2 3 4 5 6 7 8 9]]
-
2
-
(2, 10)
2. np.zeros()
指定大小的全0数组。注意：第一个参数是元组，用来指定大小，如(3, 4)。
3. np.ones()
指定大小的全1数组。注意：第一个参数是元组，用来指定大小，如(3, 4)。
4. np.empty()
初始化数组，不是总是返回全0，有时返回的是未初始的随机值（内存里的随机值）。
-
# np.zeros
-
zeros_arr = np.zeros((3, 4))
-
-
# np.ones
-
ones_arr = np.ones((2, 3))
-
-
# np.empty
-
empty_arr = np.empty((3, 3))
-
-
# np.empty 指定数据类型
-
empty_int_arr = np.empty((3, 3), int)
-
-
print('------zeros_arr-------')
-
print(zeros_arr)
-
-
print('\n------ones_arr-------')
-
print(ones_arr)
-
-
print('\n------empty_arr-------')
-
print(empty_arr)
-
-
print('\n------empty_int_arr-------')
-
print(empty_int_arr)
运行结果：
-
------zeros_arr-------
-
[[ 0. 0. 0. 0.]
-
[ 0. 0. 0. 0.]
-
[ 0. 0. 0. 0.]]
-
-
------ones_arr-------
-
[[ 1. 1. 1.]
-
[ 1. 1. 1.]]
-
-
------empty_arr-------
-
[[ 0. 0. 0.]
-
[ 0. 0. 0.]
-
[ 0. 0. 0.]]
-
-
------empty_int_arr-------
-
[[0 0 0]
-
[0 0 0]
-
[0 0 0]]
5. np.arange() 和 reshape()
arange() 类似 python 的 range() ，创建一个一维 ndarray 数组。
reshape() 将 重新调整数组的维数。
-
# np.arange()
-
arr = np.arange(15) # 15个元素的 一维数组
-
print(arr)
-
print(arr.reshape(3, 5)) # 3x5个元素的 二维数组
-
print(arr.reshape(1, 3, 5)) # 1x3x5个元素的 三维数组
运行结果：
-
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
-
-
[[ 0 1 2 3 4]
-
[ 5 6 7 8 9]
-
[10 11 12 13 14]]
-
-
[[[ 0 1 2 3 4]
-
[ 5 6 7 8 9]
-
[10 11 12 13 14]]]
6. np.arange() 和 random.shuffle()
random.shuffle() 将打乱数组序列（类似于洗牌）。
-
arr = np.arange(15)
-
print(arr)
-
-
np.random.shuffle(arr)
-
print(arr)
-
print(arr.reshape(3,5))
运行结果：
-
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
-
-
[ 5 8 1 7 4 0 12 9 11 2 13 14 10 3 6]
-
-
[[ 5 8 1 7 4]
-
[ 0 12 9 11 2]
-
[13 14 10 3 6]]
ndarray的数据类型
1. dtype参数
指定数组的数据类型，类型名+位数，如float64, int32
2. astype方法
转换数组的数据类型
-
# 初始化3行4列数组，数据类型为float64
-
zeros_float_arr = np.zeros((3, 4), dtype=np.float64)
-
print(zeros_float_arr)
-
print(zeros_float_arr.dtype)
-
-
# astype转换数据类型，将已有的数组的数据类型转换为int32
-
zeros_int_arr = zeros_float_arr.astype(np.int32)
-
print(zeros_int_arr)
-
print(zeros_int_arr.dtype)
运行结果：
-
[[ 0. 0. 0. 0.]
-
[ 0. 0. 0. 0.]
-
[ 0. 0. 0. 0.]]
-
float64
-
-
[[0 0 0 0]
-
[0 0 0 0]
-
[0 0 0 0]]
-
int32
参考资料
文章来源: drugai.blog.csdn.net，作者：DrugAI，版权归原作者所有，如需转载，请联系作者。
原文链接：drugai.blog.csdn.net/article/details/104268677
- 点赞
- 收藏
- 关注作者
评论（0）