数据科学与计算(numpy)

数据科学与计算：

库名称	分类	关键功能点举例	说明
NumPy	数值计算	多维数组、线性代数、傅里叶变换	Python科学计算基础库
Pandas	数据分析	DataFrame、Series、数据清洗	结构化数据分析工具集
Matplotlib	数据可视化	折线图、散点图、柱状图	Python绘图库，2D绘图领域标准
Pillow	图像处理	图像打开、变换、滤波、保存	友好的图像处理库

重点讲numpy

numpy的介绍安装与导入

介绍：NumPy是一个开源的Python科学计算库，能够直接对数组和矩阵进行操作，可以省略很多循环语句，众多的数学函数也会让编写代码的工作轻松许多。

安装：

1.pip install numpy

2.conda install numpy

导入：

import numpy as np

Ndarray对象

Ndarray： N维数组。它是一系列同类型数据的集合，以0下标为开始进行集合中元素的索引。用于存放同类型元素的多维数组。

array()函数

作用：创建Ndarray数组对象

函数原型：

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

参数说明：

object -> 说明：数组或嵌套的数列实现

dtype -> 说明：数组元素的数据类型，可选

copy -> 说明：对象是否需要复制，可选

order -> 说明：创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）

subok -> 说明：默认返回一个与基类类型一致的数组

ndmin -> 说明：指定生成数组的最小维度

这个输出的是一维数组

import numpy as np
arr = np.array([1, 2, 3, 4.5, 5, 6, 7, 8])
print('arr ')

多维数组

arr = np.array([[1, 2, 3], [4, 5, 6]])
print('arr')

empty()函数

函数原型：

numpy.empty(shape, dtype = float, order = 'C')

作用：

参数	说明
`shape`	数组形状
`dtype`	数据类型，可选
`order`	有"C"和"F"两个选项，分别代表行优先和列优先，在计算机内存中的存储元素的顺序

arr = np.empty([3,2], dtype=int)
print('arr')
#输出结果
([[1, 2, 3],
[4, 5, 6]])

zeros()函数

作用：创建指定大小的数组，数组元素以0来填充

原型：numpy.zeros(shape, dtype = float, order = 'C')

参数	说明
`shape`	数组形状
`dtype`	数据类型，可选
`order`	'C'用于C的行数组，或者'F'用于FORTRAN的列数组

arr = np.zeros(5)
print('arr')
#array([0., 0., 0., 0., 0.])结果

ones()函数

作用：创建指定形状的数组，数组元素以1来填充

参数	说明
`shape`	数组形状
`dtype`	数据类型，可选
`order`	'C'用于C的行数组，或者'F'用于FORTRAN的列数组

arr = np.ones([3, 2], dtype='i4')
print('arr')
#      ([[1, 1],
       [1, 1],
       [1, 1]])

full()函数

eye()函数

arange()函数

frombuffer()函数

linspace()函数

logspace()函数

random.rand()函数

numpy数组与python中列表的对比

Ndarray数组属性

切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改，与Python中list的切片操作一样。 ndarray 数组可以基于0- n的下标进行索引，切片对象可以通过内置的slice函数，并设置start, stop及step参数进行，从原数组中切割出一个新数组

转载自CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/2302_78993464/article/details/149809619