位置: 编程技术 - 正文
python中numpy基础学习及进行数组和矢量计算(numpy基础知识)
编辑：rootadmin推荐整理分享python中numpy基础学习及进行数组和矢量计算(numpy基础知识)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:python2.7 numpy,py numpy,python numpy.ones,python的numpy,numpy详解,numpy基础操作,numpy基础操作,python的numpy,内容如对您有帮助，希望把文章链接给更多的朋友！
前言
在python 中有时候我们用数组操作数据可以极大的提升数据的处理效率，类似于R的向量化操作，是的数据的操作趋于简单化，在python 中是使用numpy模块可以进行数组和矢量计算。
下面来看下简单的例子
结果：
结果：
我们也可以通过shape和dtype方法查看数组的维度和数据格式
结果：
可以看出data是一维数组，每组元素为5个，数据类型为位int 类型
data1 为二维数组，每个组有5个元素，数据类型为位int类型
有一个较好的区分方法是看打印结果中，中括号的层数和位置，就可以看出数组的维度，一层中括号代表一个维度。
其他的数组属性方法还有：
array.ndim 数组的维数，一维数组结果为1，二维数组打印结果为2
array.size 数组的元素个数
array.itemsiz 数组每个元素的字节大小
接下来我们了解下数组中的数据类型：
NumPy中的基本数据类型
名称 描述 bool 用一个字节存储的布尔类型（True或False） inti 由所在平台决定其大小的整数（一般为int或int） int8 一个字节大小，- 至 int 整数，- 至 int 整数，-2 ** 至 2 ** -1 int 整数，-2 ** 至 2 ** - 1 uint8 无符号整数，0 至 uint 无符号整数，0 至 uint 无符号整数，0 至 2 ** - 1 uint 无符号整数，0 至 2 ** - 1 float 半精度浮点数：位，正负号1位，指数5位，精度位 float 单精度浮点数：位，正负号1位，指数8位，精度位 float或float 双精度浮点数：位，正负号1位，指数位，精度位 complex 复数，分别用两个位浮点数表示实部和虚部 complex或complex 复数，分别用两个位浮点数表示实部和虚部
基础的数组运算
数组也可以进行我们常用的加减乘除运算
结果：
结果：
注意，相加两个数组长度要一样
接下来我们看下数组索引
用下标直接进行索引
结果为：
切片索引
结果为：
可以利用索引对数据进行更改操作
结果为：
可以看到下标为5的数已经变成了。
此外，数组还可以进行布尔操作
结果为：
即满足条件的数据全部以True的结果输出。
接下来我们可以利用name数组设置条件后的布尔值对arr数组进行相关操作
结果为：
即把arr中对应于name中a相对应位置的元素打印出来。
多条件操作
结果为：
接下来，我们了解下ufunc方法
用于操作单个数组的函数有如下：
用于操作两个或多个数组的方法
相关的函数方法使用
np.meshgrid 用于生成多维矩阵
结果为：
按照数据最少的数组形成数组
np.where 是三元表达式 x if condition else y的矢量化版本
结果为：
可以看出，result的结果中，条件为1的显示数组arr1的内容，条件为0的显示arr2的内容
数学统计方法
在数组中我们也可以使用数学统计方法进行计数，例如sum mean std 等
结果为：
具体的方法内容如下图所示：
布尔型数组的相关统计方法
结果为：
可以对数据进行判断后进行个数求和
其他的数组方法还有
数据的读取和存储
线性函数的常用方法
结果为
dot方法可以进行矩阵相乘操作
其他方法如下图
最后我们了解下numpy中的随机数生成方法
上面的很多例子中我们已经用到了随机数生成，
结果为
其他形式的随机数生成方法
总结
好了，
标签: numpy基础知识
本文链接地址:https://www.jiuchutong.com/biancheng/380070.html 转载请保留说明！上一篇：python 数据清洗之数据合并、转换、过滤、排序(Python 数据清洗)
