numpy安装_Python进阶之NumPy快速入门(一)
前言
NumPy是Python的一个扩展库,负责数组和矩阵运行。相较于传统Python,NumPy运行效率高,速度快,是利用Python处理数据必不可少的工具。
这个NumPy快速入门系列分为四篇,包含了NumPy大部分基础知识,每篇阅读时间不长,但内容含量高。大家最好亲自码一遍代码,这样可以更有收获。
概要
- 轻松认识和安装NumPy,对NumPy建立一个良好印象。
- 掌握NumPy的各种属性,让使用数组变得得心应手。
- 学会三种创建数组方法,让创建数组变得轻而易举。
第一节.NumPy安装和介绍
NumPy安装
我们提供两种命令安装方法,都非常简便:
- pip命令安装
- conda命令安装
这两种安装方法适用于Windows, Linux,以及Mac系统。
(1)pip命令:pip install numpy
当终端显示成功安装或者已经安装说明numpy已经安装完毕。
(2)conda命令: conda install numpy
conda命令是通过Anaconda软件来安装NumPy。安装好Anaconda软件后,打开Anaconda Prompt后在里面输入conda install numpy命令即可。
安装完成后,为了检验NumPy是否可以使用,我们用一个简单的例子做个实验:
代码:
import numpy as npprint (np.eye(4))
讲解:
为了方便,大家一般采用import numpy as np这种调用方法,将numpy缩写成np来使用。我们使用NumPy中的eye()函数来检查NumPy是否已经安装完成,eye(N)是一个产生N*N的单位矩阵
运行结果:
[[1. 0. 0. 0.]
[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]]
如果大家的屏幕里面也出现了这个结果,那么恭喜你NumPy库已经成功安装,可以开始正式学习了。
NumPy和列表
我们首先要搞清楚的是,NumPy处理的对象是什么。事实上,我们把NumPy处理的对象叫ndarray,这是一个缩写,翻译过来叫做多维数组。ndarray类型的数据和我们之前学过的列表颇有渊源:
代码:
import numpy as nplist = [1, 2, 3]arr = np.array(list)print (type(list))print (type(arr))
讲解:
我们首先建立一个列表,然后通过np.array函数将这个列表转换成一个NumPy数组,通过打印这两个变量的type信息,我们可以发现二者的区别和联系。
运行结果:
没错,arr变量的数据类型是ndarray。当然,我们并不是总是通过转换列表变成ndarray。我们想强调的是,虽然NumPy数组虽然和列表很类似,但是二者却是完全不同的数据类型,因此二者使用方法也有很大不同。
Numpy比Python列表更具优势,其中一个优势便是速度。在对大型数组执行操作时,Numpy的速度比Python列表的速度快了好几百。因为Numpy数组本身能节省内存,并且Numpy在执行算术、统计和线性代数运算时采用了优化算法。
常见数组
我们最后给大家介绍常见的几种ndarray数组:
代码:
a = np.array([1, 2, 3])b = np.array([[1, 2], [3, 4]])c = np.array([1, 2, 3], dtype = complex)print (a)print (b)print (c)
讲解:
a是一个一维数组;b是一个二维数组;c是复数变量的一维数组。这些都是常见的ndarray,以后我们将会用NumPy提供的函数对这些常见的数组进行处理,来完成我们想要的目标。
运行结果:
[1 2 3]
[[1 2]
[3 4]]
[1.+0.j 2.+0.j 3.+0.j]
第二节.NumPy数组属性
我们将几种常见数组属性分成以下几种:
- 数据类型 dtype
- 元素个数 size
- 维度 ndim
- 形状 shape
- 实部和虚部 real image
NumPy支持很多不同的数据类型,从整数型(int)到浮点型(float),再到复数型,应有尽有。如何判断数组的数据类型是一件比较重要的事情,NumPy给我们提供了dtype命令来查看数据类型:
代码:
import numpy as npa = np.array([1, 2, 3])b = np.array([[1.1, 2], [3.1, 4.2]])c = np.array([1, 2, 3], dtype = complex)print (a.dtype, b.dtype, c.dtype)
讲解:
我们分别建立了三个NumPy数组,a是整数型;b是浮点型;c是复数型。dtype既可以在创建数组的时候申明变量类型,也可以通过打印告诉我们数组的数据类型。
运行结果:
int32 float64 complex128
在我们知道了NumPy数据类型后,我们还需要知道它的更多属性来全面了解这个数组。
代码:
b = np.array([[1.1, 2], [3.1, 4.2]])c = np.array([1, 2, 3], dtype = complex)print (b.ndim, b.shape, b.size)print (c.real, c.imag)
讲解:
我们分别查看了b数组的维度,形状,以及元素个数。我们知道b是一个2*2的浮点型数组,因为它的维度是2,形状就是行数乘以列数(2,2);元素个数是4。对于c这个复数数组,我们调用了实部(real)和虚部(imag)这个两个属性。
运行结果:
2 (2, 2) 4
[1. 2. 3.] [0. 0. 0.]
第三节.创建数组
对于NumPy数组,一般而言我们有三种创建方法:
- 用np.array直接填入已知数据,比如我们在第一小节介绍常见数组的时候用的方法。
- 用特殊函数创建符合一定规律的数组。比如numpy.zeros:创建元素全是0的数组。
- 用asarray将其他类型数据转换成NumPy数组。
我们先介绍第二种方法中常见的几种函数:
- numpy.zeros 创建元素全是0的数组
- numpy.ones 创建元素全是1的数组
- numpy.arrange 创建数值范围
- numpy.linspace 创建数值范围
np.zeros() & np.ones()
代码:
e = np.array([1, 2, 3], dtype=float)f = np.zeros((3,2),dtype=int)g = np.ones((1,3))print (e)print (f)print (g)
讲解:
我们用第一种方法,创建了数据类型为浮点型(float)的数组e;然后通过第二种方法,分别创建了元素都是0和1的两个数组。注意到我们可以通过dtype,以及shape等来控制数组属性。在上面的例子中f和g,我们把shape省略了,只用(3,2)这种形式。
运行结果:
[1. 2. 3.]
[[0 0]
[0 0]
[0 0]]
[[1. 1. 1.]]
np.arrange()
很多情况下我们非常想要得到从一个整数到另一个整数的一个数组,比如周一到周日,一天中从1点到24点等,还有从-10度到40度的温度范围。这时候用NumPy中的arange函数就可以帮助你达成这个目标。
arange函数有四个输入参数来调整:
- start 起始值
- stop 终止值
- step 步长(默认是1)
- dtype 数据类型。
值得注意的是,这里的终止值是取不到的,所以真正意义上而言终止值是stop-1。
代码:
import numpy as npa = np.arange(5)b = np.arange(1,5)c = np.arange(1,10,2)d = np.arange(2,6,dtype=float)print (a, b, c, d)
讲解:
我们一共建立了四个数组,第一个我们只有一个参数,是终止值参数,这时候其他参数都是默认的。第二个数组,我们给定了起始值和终止值。第三个数组我们增加了步长。第四个数组,我们隐藏的其实是步长,也就是取默认值1。大家在看答案之前可以猜一下a,b,c,d分别是多少。
运行结果:
[0 1 2 3 4] [1 2 3 4] [1 3 5 7 9] [2. 3. 4. 5.]
np.linspace()
linspace是linear space的缩写,线性空间。和arange稍有不同的是,linspace没有步长,相反它有个叫做num的参数来控制生成数列的总数目。也就是说,在给定起始值和终止值的时候,步长被总数目决定了。
代码:
a = np.linspace(1,10,10)b = np.linspace(10,20,5, endpoint = False)c = np.linspace(10,20,5, endpoint = False, retstep = True)print (a)print (b)print (c)
讲解:
我们分别利用linspace建立了三个数组,第一个endpoint不赋值,默认是True,默认终止值是包含在内的;第二个我们不把终止值包括在内;最后我们用retstep=True显示数列的间距。
运行结果:
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
[10. 12. 14. 16. 18.]
(array([10., 12., 14., 16., 18.]), 2.0)
第三种创建方法:asarray() & array()
asarray函数可以将其他数据类型转换成Numpy数组。
代码:
a = [1, 2, 3]b = (1, 2, 3)a_1 = np.array(a)a_2 = np.asarray(a)b_1 = np.array(b)b_2 = np.asarray(b)print (a_1, a_2,type(a_1))print (b_1, b_2)
讲解:
我们建立了一个列表a和一个元组b,分别用np.array和np.asarray来转换。其实在将列表和元组转换成numpy数组的时候效果是一样的。也就是说不论是从列表a出发得到的a_1和a_2还是从元组b出发得到的b_1和b_2都是numpy数组[1,2,3]。
但是,他们二者还是有区别的,当数据源是ndarray,即numpy数组的时候,array会复制出一个副本,占用新的内存,但是asarray并不会。从这里看来,对一般的程序任务,我们并不太需要区分array和asarray,除非做大型数据的时候
运行结果:
[1 2 3] [1 2 3]
[1 2 3] [1 2 3]
总结回顾
- 两种方法安装NumPy,NumPy和列表的区别和联系。
- NumPy数组的几种属性,包括数据类型,维度,大小等。
- 三种创建数组的方法,直接创建,特殊函数,数组转换。
numpy安装_Python进阶之NumPy快速入门(一)相关推荐
- python的numpy库安装_Python库之numpy库的安装教程
一.numpy简介 NumPy是一个功能强大的Python库,主要用于对多维数组执行计算.NumPy这个词来源于两个单词-- Numerical和Python.NumPy提供了大量的库函数和操作,可以 ...
- python的ppt库_Python绘图库matplotlib快速入门.ppt
Python绘图库matplotlib快速入门 *;*;;快速绘图 matplotlib的pyplot子库提供了和matlab类似的绘图API,方便用户快速绘制2D图表.(matplotlib_sim ...
- numpy均匀分布_Python计算类库(Numpy)
Python计算类库(Numpy) Python计算库(Numpy)思维导图 1. Numpy是什么? NumPy(Numerical Python的缩写)是一个开源的Python科学计算库.使用Nu ...
- python numpy安装windows_windows 下python+numpy安装实用教程
如题,今天兜兜转转找了很多网站帖子,一个个环节击破,最后装好费了不少时间. 希望这个帖子能帮助有需要的人,教你一篇帖子搞定python+numpy,节约科研时间. 水平有限,难免存在不足,敬请指正. ...
- python numpy教程_Python中的Numpy入门教程
这篇文章主要介绍了 Python 中的 Numpy 入门教程,着重讲解了矩阵中的数组操作 , 需要的 朋友可以参考下 1 . Numpy 是什么 很简单, Numpy 是 Python 的一个科学计算 ...
- git语言包安装_Git分布式版本管理系统快速入门指南
为什么要使用版本管理系统 无论有没有使用过专业化工具,每个人都或多或少地有版本管理的需求.我们在做论文.写报告或者设计方案时,因为难以避免的不断改动,总会形成很多个不同的版本,我们可能会用" ...
- python numpy安装步骤-python的numpy模块安装不成功简单解决方法总结
为了画个图,被numpy这个模块的安装真的折腾疯了!!!一直装不上,花了几个小时,看了网上的很多教程.方法发现总结得不是很全,这里总结一下,防止大家再出现这个问题没有解决方法. Python的魅力之一 ...
- python如何存储numpy数组_python – 如何将numpy数组作为对象存储在pandas数据框中?...
我有一系列图像,存储在CVS文件中,每个图像一个字符串,该字符串是9216空格分隔整数的列表.我有一个函数将其转换为96×96 numpy数组. 我希望将这个numpy数组存储在我的数据帧的一列而不是 ...
- python中导入numpy库_python中的Numpy库
导入numpy库: import numpy as np python的一个科学计算库的一个基础包,包含了强大的N维数组对象和向量运算 数组创建,可以使用array函数从常规的python列表和或元组 ...
最新文章
- Cloudify — Overview
- 不同视图间的跳转方式
- NIPS 2016 | Best Paper, Dual Learning, Review Network, VQA 等论文选介
- String.subString内存泄露
- vitess源码阅读笔记cache系列之用go实现通用资源池
- koa中间件机制详解
- 创建型模式——原型模式
- 数据结构:排序算法之堆排序和选择排序
- linux php 添加gd,linux(centos)下为php添加添加GD扩展
- 数据库(表)导入导出备份
- 电路 晶振频率_都说晶振是电路的心脏,你真的了解它吗?
- SDEBECMSrv服务
- iQOO 8系列即将登场:首发三星E5 AMOLED全面屏
- 【289天】跃迁之路——程序员高效学习方法论探索系列(实验阶段47-2017.11.21)...
- 在vs2013下利用vb.net简单使用WebService实例
- 手机卫星定位系统_真的可以通过手机号码,准确定位对方信息吗?
- dd 命令用来测试硬盘及网络带宽读写速度
- ionic入门教程第十一课-简要说明ion-list、ion-item完成列表页ion-infinite-scroll上拉加载ion-refresher下拉刷新
- Halcon——热熔胶质量检测
- [转]步入成熟的无线视频应用 英特尔WiDi无线视频传输研究
热门文章
- vue中用的swiper轮播图的用法及github的地址
- quartus怎么仿真波形_单相半波可控整流电路电阻负载的Matlab Simulink仿真
- c语言dynamic变量,C# dynamic关键字的使用方法
- java超时自动关闭_[Java教程]web页面超时自动退出方法_星空网
- 双11技术分享 | “喵糖”背后的商业化流量投放算法
- python基础总结--- 列表、内置函数(4-5)
- C语言按键蜂鸣器响灯亮,AT89C52单核A2单片机按下独立按键蜂鸣器响流水灯左移松开按键蜂鸣器不响流水灯右移...
- linux tcp 断线检测,CentOS下TCP断线监测
- mysql aes_MYSQL AES加密与解密函数使用
- PHP使用Switch语句判断星座,PHP的switch判断语句的“高级”用法详解 用switch语句怎样判断成绩的等级...