软件测试|Python科学计算神器numpy教程（一）

前言

之前我们使用matplotlib绘制了不一样的图形，其实在我们的绘制图像时，我们输入的数据都是经过处理之后再通过matplotlib以及pillow进行绘制的。我们在绘制图形的脚本里，引入了一个对数组执行数学运算和相关逻辑运算的第三方库——Numpy，当然numpy功能不止于此，它还是python科学计算的基础库，现在我们就来介绍一下numpy的使用。

安装

因为numpy是Python的第三方库，所以我们需要自行安装，安装完成之后才可以使用，安装只需要一条命令：

pip install numpy  

注：numpy通常会结合SciPy 程序包一起使用，SciPy 可以看做对 NumPy 库的扩展，它在 NumPy 的基础上又增加了许多工程计算函数。

Numpy ndarray对象

NumPy 定义了一个 n 维数组对象，简称 ndarray 对象，它是一个一系列相同类型元素组成的数组集合。数组中的每个元素都占有大小相同的内存块，您可以使用索引或切片的方式获取数组中的每个元素。

ndarray 对象采用了数组的索引机制，将数组中的每个元素映射到内存块上，并且按照一定的布局对内存块进行排列，常用的布局方式有两种，即按行或者按列。

创建ndarray对象

Numpy提供了内置函数array()来创建ndarray，语法格式如下：

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

参数说明：

创建一维数组

import numpy as np

a = np.array([11, 10, 9])
print(a)
print(type(a))

-------------------------
输出结果如下：
[11 10  9]
<class 'numpy.ndarray'>

创建多维数组

import numpy as np

a = np.array([[11, 10, 9],[6, 7, 8]])
print(a)
print(type(a))

---------------
输出结果如下：

[[11 10  9]
 [ 6  7  8]]
<class 'numpy.ndarray'>

改变数组元素的数据类型，可以使用设置 dtype

c=numpy.array([2,4,6,8],dtype=“数据类型名称”)

现在我们将数组中的元素改为字符串类型，如下：

import numpy as np

c=np.array([2,4,6,8],dtype="str")
print(c)

-------------------
输出结果如下：
['2' '4' '6' '8']

查看数组维数

我们可以通过ndim查看数组的维度

import numpy as np
arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]])
print(arr.ndim) 

--------------------
输出结果如下：
2

创建指定维度数组

使用 ndim 参数可以创建不同维度的数组

import numpy as np
a = np.array([1, 2, 3,4,5], ndim = 2)
print(a)
------------------------------------
输出结果如下：
[[1 2 3 4 5]]

数组变维

数组的形状指的是多维数组的行数和列数。Numpy 模块提供 reshape() 函数可以改变多维数组行数和列数，从而达到数组变维的目的，如下图：

reshape() 函数可以接受一个元组作为参数，用于指定了新数组的行数和列数，示例如下：

import numpy as np
e = np.array([[11,12],[13,14],[15,16]])
print("原数组",e)
e=e.reshape(2,3)
print("新数组",e)

----------------------------
输出结果如下：
原数组 [[11 12]
 [13 14]
 [15 16]]
新数组 [[11 12 13]
 [14 15 16]]

总结

本文主要介绍了numpy模块的安装以及数组的一些常用方法，后续我们将介绍numpy的数据类型。