如何分析python?numpy庫

如何分析python numpy庫，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

1.NumPy( Numeric Python)

numpy是一個開源的python科學計算擴展庫，主要用來處理任意維度數組和矩陣。
相同的任務，使用numpy比直接用python的基本數據結構更加簡單高效。

它的功能：

• 包含一個強大的N維數組對象Ndarray

• 廣播功能函數

• 整合C/C++代碼的工具

• 線性代數、傅里葉變換、隨機數生成等功能

numpy是scipy,pandas等數據處理或科學計算庫的基礎

2.numpy的引用

雖說別名可以省略或者更改，但盡量使用上述約定的別名

3.Ndarray

n維數組，它是一個相同數據類型的集合，以0為下標開始進行集合中元素的索引。
我們知道，python有列表和數組此類的數據結構。

列表：數據類型可以不同（如[3, 2.4 ,‘a' ,“abc”]），數據是有序的
數組：數據類型相同(如[1，2，3，4])
集合： （如{2，4，3，5，7}）數據是無序的

引入n維數組的意義

觀察下列兩組操作，其功能都是一樣的。

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("使用列表運算的結果是：", pysum())
print("使用Numpy運算的結果是：", numpysum())

運行結果：

使用列表運算的結果是： [126, 220, 352, 528]
使用Numpy運算的結果是： [126 220 352 528]

但是很明顯：

• numpy的數組對象可以去掉元素建運算所需要的循環，使一維向量更像單個數據

• numpy通過設立專門的數組對象，經過優化，運算速度也相應提升
  

通常情況下，在科學運算中，一個維度所有數據的類型往往相同，這時，使用數組對象采用相同的數據類型，有助于節省運算時間和存儲空間

ndarray的組成

• 實際的數據

• 描述這些數據的元數據（數據維度、數據類型等）

ndarray對象的屬性

3.數據類型

當np.array()不指定dtype時，numpy將根據數據情況關聯一個dtype類型

• ndarray支持多種數據類型的原因

• python基本語法只支持整數、浮點數和復數3種類型

• 科學計算涉及數據較多，對存儲和性能都有較高要求

• 對元素類型精細定義，有助于numpy合理使用存儲空間并優化性能

• 對元素類型精細定義，有助于程序員對程序規模有合理評估
  

ndarray數組的創建

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

程序輸出：

[[1 0]
 [2 0]
 [3 1]]
int32

adarray數組的變換

ndarray數組運算

4.索引與切片

• 索引：獲取數組中特定位置元素的過程

• 切片：獲取數組元素子集的過程

5.隨機數函數

6.統計函數

7.梯度函數

8.副本與視圖

numpy線性代數

數組與標量之間的運算

常用numpy.linalg函數總結

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。