python numpy库介绍

2024-12-24 08:10:49

1.NumPy( Numeric Python)

numpy是一个开源的python科学计算扩展库，主要用来处理任意维度数组和矩阵。
相同的任务，使用numpy比直接用python的基本数据结构更加简单高效。

它的功能：

包含一个强大的N维数组对象Ndarray
广播功能函数
整合C/C++代码的工具
线性代数、傅里叶变换、随机数生成等功能

numpy是scipy,pandas等数据处理或科学计算库的基础

2.numpy的引用

虽说别名可以省略或者更改，但尽量使用上述约定的别名

3.Ndarray

n维数组，它是一个相同数据类型的集合，以0为下标开始进行集合中元素的索引。
我们知道，python有列表和数组此类的数据结构。

列表：数据类型可以不同（如[3, 2.4 ,‘a’ ,“abc”]），数据是有序的
数组：数据类型相同(如[1，2，3，4])
集合： （如{2，4，3，5，7}）数据是无序的

引入n维数组的意义

观察下列两组操作，其功能都是一样的。

import numpy as np

def pysum():
    a = [1, 2, 3, 4]
    b = [5, 6, 7, 8]
    c = []
    for i in range(len(a)):
        c.append(a[i]**2+b[i]**3)
    return c

def numpysum():
    a = np.array([1, 2, 3, 4])
    b = np.array([5, 6, 7, 8])
    c = a**2+b**3
    return c

print("使用列表运算的结果是：", pysum())
print("使用Numpy运算的结果是：", numpysum())

运行结果：

使用列表运算的结果是： [126, 220, 352, 528]
使用Numpy运算的结果是： [126 220 352 528]

但是很明显：

numpy的数组对象可以去掉元素建运算所需要的循环，使一维向量更像单个数据
numpy通过设立专门的数组对象，经过优化，运算速度也相应提升

通常情况下，在科学运算中，一个维度所有数据的类型往往相同，这时，使用数组对象采用相同的数据类型，有助于节省运算时间和存储空间

ndarray的组成

实际的数据
描述这些数据的元数据（数据维度、数据类型等）

ndarray对象的属性

3.数据类型

当np.array()不指定dtype时，numpy将根据数据情况关联一个dtype类型

ndarray支持多种数据类型的原因
python基本语法只支持整数、浮点数和复数3种类型
科学计算涉及数据较多，对存储和性能都有较高要求
对元素类型精细定义，有助于numpy合理使用存储空间并优化性能
对元素类型精细定义，有助于程序员对程序规模有合理评估

ndarray数组的创建

import numpy as np
x = np.array([[1, 0], [2, 0], [3, 1]], np.int32)
print(x)
print(x.dtype)

程序输出：

[[1 0]
[2 0]
[3 1]]
int32

adarray数组的变换

ndarray数组运算

4.索引与切片

索引：获取数组中特定位置元素的过程
切片：获取数组元素子集的过程

5.随机数函数

6.统计函数

7.梯度函数

8.副本与视图

numpy线性代数

数组与标量之间的运算

常用numpy.linalg函数总结

（好家伙，numpy内置函数太多了…）

这十大Python库你真应该知道

目录 01.Pandas 02.NumPy 03.Scikit-learn 04.Gradio 05.TensorFlow 06.Keras 07.SciPy 08.Statsmodels 09.Plotly 10.Seaborn 总结 01.Pandas 在数据分析师的日常工作中,70%到80%都涉及到理解和清理数据,也就是数据探索和数据挖掘. Pandas主要用于数据分析,这是最常用的Python库之一.它为你提供了一些最有用的工具来对数据进行探索.清理和分析.使用Pandas,你可以加载.
python数据分析Numpy库的常用操作

numpy库的引入: import numpy as np 1.numpy对象基础属性的查询 lst = [[1, 2, 3], [4, 5, 6]] def numpy_type(): print(type(lst)) data = np.array(lst, dtype=np.float64) # array将数组转为numpy的数组 # bool,int,int8,int16,int32,int64,int128,uint8,uint32, # uint64,uint128,float16
Python jiaba库的使用详解

目录 jiaba库的使用 1.jieba库的安装 2.统计荷塘月色词频总结 jiaba库的使用 jieba库是一款优秀的 Python 第三方中文分词库,jieba 支持三种分词模式:精确模式.全模式和搜索引擎模式,下面是三种模式的特点. 精确模式:试图将语句最精确的切分,不存在冗余数据,适合做文本分析全模式:将语句中所有可能是词的词语都切分出来,速度很快,但是存在冗余数据搜索引擎模式:在精确模式的基础上,对长词再次进行切分 1.jieba库的安装全自动安装:easy_install j
python的rllib库你了解吗

目录 urllib库作用 Urllib 库下的几种模块的基本使用一.urllib.request模块 1.功能 2.常用方法参数说明: 总结 urllib库作用 urllib 库是Python内置的 HTTP 请求库.urllib 模块提供的上层接口,使访问 www 和 ftp 上的数据就像访问本地文件一样.我们爬取网页的时候,经常需要用到这个库. Urllib 库下的几种模块的基本使用一.urllib.request模块 1.功能 urllib.request 模块提供了最基本的构造
200个Python 标准库总结

目录 1.文本 2.数学 3.函数式编程 4.文件与目录 5.持久化 6.压缩 7.加密 8.操作系统工具 9.并发 10.进程间通信 11.互联网 12.互联网协议与支持 13.多媒体 14.国际化 15.编程框架 16.Tk图形用户接口 17.开发工具 18.调试 19.运行时 20.解释器 21.导入模块 22.Python语言 23.其他 24.Windows相关 25.Unix相关 1.文本 string:通用字符串操作 re:正则表达式操作 difflib:差异计算工具 textwr
python 中的jieba分词库

目录 1.jieba库安装 2.jieba库功能介绍 3.案例 3.1.精确模式 3.2.全模式 3.3.搜索引擎模式 3.4.修改词典 3.5.词性标注 3.6.统计三国演义中人物出场的次数 jieba 库是优秀的中文分词第三方库,中文文本需要通过分词获得单个的词语 1.jieba库安装管理员身份运行cmd窗口输入命令:pip install jieba 2.jieba库功能介绍特征: 支持三种分词模式: 精确模式:试图将句子最精确地切开,适合文本分析全模式:把句子中所有的可以成词的词语
老生常谈Python中的Pickle库

目录简介 pickle与json比较函数 dumps loads dump load 简介 Python 中有个序列化过程叫作 pickle,它能够实现任意对象与文本之间的相互转化,也可以实现任意对象与二进制之间的相互转化.也就是说,pickle 可以实现 Python 对象的存储及恢复. pickle与json比较 pickle协议和JSON (JavaScript对象表示法)之间有基本的区别: JSON是一种文本序列化格式(它输出unicode文本,尽管大多数时候它被编码
python numpy库介绍

目录 1.NumPy( Numeric Python) 2.numpy的引用 3.Ndarray 引入n维数组的意义 ndarray的组成 ndarray对象的属性 3.数据类型 ndarray数组的创建 adarray数组的变换 ndarray数组运算 4.索引与切片 5.随机数函数 6.统计函数 7.梯度函数 8.副本与视图 numpy线性代数数组与标量之间的运算常用numpy.linalg函数总结 1.NumPy( Numeric Python) numpy是一个开源的python科学
python numpy库介绍

目录 1.NumPy( Numeric Python) 2.numpy的引用 3.Ndarray 引入n维数组的意义 ndarray的组成 ndarray对象的属性 3.数据类型 ndarray数组的创建 adarray数组的变换 ndarray数组运算 4.索引与切片 5.随机数函数 6.统计函数 7.梯度函数 8.副本与视图 numpy线性代数数组与标量之间的运算常用numpy.linalg函数总结 1.NumPy( Numeric Python) numpy是一个开源的python科学
Python numpy 模块介绍

目录 1. numpy 简介 numpy 应用场景 numpy 模块安装 numpy 模块使用 2. numpy 特点 3. numpy 常用方法 4. 实例前言: 在motplotlib的学习过程中,我们使用最多的就是numpy模块. numpy 模块被称为 matplotlib 模块绘制图表伴侣. xdm,接下来我们来对 matplotlib 伴侣-numpy 模块相关知识的学习 1. numpy 简介 numpy 模块是 Python 支持对大量数组进行科学计算的第三方库. numpy
Python Numpy库的超详细教程

1.Numpy概述 1.1 概念 Python本身含有列表和数组,但对于大数据来说,这些结构是有很多不足的.由于列表的元素可以是任何对象,因此列表中所保存的是对象的指针.对于数值运算来说这种结构比较浪费内存和CPU资源.至于数组对象,它可以直接保存数值,和C语言的一维数组比较类似.但是由于它不支持多维,在上面的函数也不多,因此也不适合做数值运算.Numpy提供了两种基本的对象:ndarray(N-dimensional Array Object)和 ufunc(Universal Funct
Python Numpy库的超详细教程

1.Numpy概述 1.1 概念 Python本身含有列表和数组,但对于大数据来说,这些结构是有很多不足的.由于列表的元素可以是任何对象,因此列表中所保存的是对象的指针.对于数值运算来说这种结构比较浪费内存和CPU资源.至于数组对象,它可以直接保存数值,和C语言的一维数组比较类似.但是由于它不支持多维,在上面的函数也不多,因此也不适合做数值运算.Numpy提供了两种基本的对象:ndarray(N-dimensional Array Object)和 ufunc(Universal Funct
利用Python NumPy库及Matplotlib库绘制数学函数图像

目录前言 NumPy与Matplotlib 函数绘图所需库函数语法导入所需模块一元一次函数一元二次函数指数函数正弦函数余弦函数高级玩法总结前言最近开始学习数学了,有一些题目的函数图像非常有特点,有一些函数图像手绘比较麻烦,那么有没有什么办法做出又标准又好看的数学函数图像呢? 答案是有很多的,有很多不错的软件都能画出函数图像,但是,我想到了Python的数据可视化.Python在近些年非常火热,在数据分析以及深度学习等方面得到广泛地运用,其丰富的库使其功能愈加强大. 这里我
python numpy库中数组遍历的方法

1.对于一维数组,可以有: 2. 对于二维数组:考虑可将其看作为矩阵,故可以如下书写二重遍历这里外层循环的是二维数组A的行,内层则是列同时c的作用:不想用肉眼直接观察得到行列数,故用A.shape方法获得(2,6)的元组,然后改变数据类型为列表,然后直接使用. 3.对于三维数组,如: 有两个二维数组,二维数组中又有三个长度为4的数组.可以这样子循环: 又len(f) = 2, len(f[0]) = 3, len(f[0][0]) = 4;故可以再一次改进代码,这里就不写了. f[0]:三维
Python Numpy库安装与基本操作示例

本文实例讲述了Python Numpy库安装与基本操作.分享给大家供大家参考,具体如下: 概述 NumPy(Numeric Python)扩展包提供了数组功能,以及对数据进行快速处理的函数. NumPy 通常与 SciPy(Scientific Python)和 Matplotlib(绘图库)一起使用. 安装通过pip安装numpy pip install numpy Numpy基本操作 >>> import numpy as np #一般以np作为numpy的别名 >>&
Python Numpy库常见用法入门教程

本文实例讲述了Python Numpy库常见用法.分享给大家供大家参考,具体如下: 1.简介 Numpy是一个常用的Python科学技术库,通过它可以快速对数组进行操作,包括形状操作.排序.选择.输入输出.离散傅立叶变换.基本线性代数,基本统计运算和随机模拟等.许多Python库和科学计算的软件包都使用Numpy数组作为操作对象,或者将传入的Python数组转化为Numpy数组,因此在Python中操作数据离不开Numpy. Numpy的核心是ndarray对象,由Python的n维数组封装而来
python numpy库linspace相同间隔采样的实现

linspace可以用来实现相同间隔的采样: numpy.linspace(start,stop,num=50,endpoint=True,retstep=False, dtype=None) 返回num均匀分布的样本,在[start, stop]. Parameters(参数): start : scalar(标量) The starting value of the sequence(序列的起始点). stop : scalar 序列的结束点,除非endpoint被设置为False,在这种情