Python之numpy教程（一）：基础概念

首先要安装好numpy包，具体如何安装请另寻教程

1.加载：

import numpy as np

2.建立一个简单数据

data = [[ 0.9526, -0.246 , -0.8856],[ 0.5639,  0.2379,  0.9104]]

输入data，运行结果：

[[0.9526, -0.246, -0.8856], [0.5639, 0.2379, 0.9104]]

3.把data转化为数组对象（ndarray）

data = np.array(data)

再运行一下data，看看它变成了什么

array([[ 0.9526, -0.246 , -0.8856],
[ 0.5639,  0.2379,  0.9104]])

4.没错，这就是多维数组模式，可以方便的进行计算，比如

data*10

输出：

array([[ 0.9526, -0.246 , -0.8856],
[ 0.5639,  0.2379,  0.9104]])

再比如

data + data

输出：

array([[ 1.9052, -0.492 , -1.7712],
[ 1.1278,  0.4758,  1.8208]])

5.了解了何为ndarray，然后看一下它的基本语法吧，再建立两个数据

data1 = [6,7.5,8,0,1]
arr1 = np.array(data1)
data2 = [[1,2,3,4],[5,6,7,8]]
arr2 = np.array(data2)

对于大型数据，不可能去一行一行的去数数据的属性，比如行、列等，因此需要简单语法直接给出结果

查看数组的维度，即数组轴的个数，数学称为矩阵的秩，用ndim语句

arr2.ndim

输出：

2

6.查看数组的行和列信息，用shape语句

arr2.shape

输出：

(2, 4)

7.np.array会尝试为新建的数组推断出一个较为合适的数据类型，这个数据类型会保存在一个特殊的dtype对象中。比如刚才那两个数据：

arr1.dtype

输出：

dtype('float64')

arr2.dtype

输出：

dtype('int32')

8.zeros和ones函数可以分别创建指定长度或形状的全0或全1数组，empty可以创建一个没有具体任何值的数组。

np.zeros(10)

输出：

array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

np.ones((3,6))

输出：

array([[ 1.,  1.,  1.,  1.,  1.,  1.],
[ 1.,  1.,  1.,  1.,  1.,  1.],
[ 1.,  1.,  1.,  1.,  1.,  1.]])

np.empty((2,3,2))

输出：

array([[[  1.01283457e-321,   0.00000000e+000],
[  0.00000000e+000,   0.00000000e+000],
[  0.00000000e+000,   0.00000000e+000]],

[[  0.00000000e+000,   0.00000000e+000],
[  0.00000000e+000,   0.00000000e+000],
[  0.00000000e+000,   0.00000000e+000]]])

9.arrange是Python内置函数range的数组版

np.arange(15)

输出：

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

总结一下1~9：



10.ndarray的数据类型dtype：

arr1 = np.array([1,2,3],dtype=np.float64)
arr2 = np.array([1,2,3],dtype=np.int32)

arr1.dtype

arr2.dtype

输出：

dtype('float64')

dtype('int32')

Numpy的数据类型如图：





11.用astype进行数据类型转换

arr = np.array([1,2,3,4,5])
arr.dtype
float_arr = arr.astype(np.float64)
float_arr.dtype

输出：

dtype('int32')

dtype('float64')

上面这个例子把整数转换成了浮点数，如果把浮点数转换为整数，则小数部分会被截断。再看下面的例子：

arr = np.array([3.7,-1.2,-2.6,0.5,12.9,10.1])
arr

输出：

array([  3.7,  -1.2,  -2.6,   0.5,  12.9,  10.1])

arr.astype(np.int32)

输出：

array([ 3, -1, -2,  0, 12, 10])

也可以把字符串型转换为数值型（注意字符型string后面的那个_）：

numeric_strings = np.array(['1.25','-9.6','42'],dtype=np.string_)
numeric_strings

输出：

array([b'1.25', b'-9.6', b'42'],
dtype='|S4')

numeric_strings.astype(float)

输出：

array([  1.25,  -9.6 ,  42.  ])

12.把一组数据的类型赋给另一组数据

int_array = np.arange(10)

calibers = np.array([.22,.270,.357,.380,.44,.50],dtype=np.float)

int_array.astype(calibers.dtype)

输出：

array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.])