Ipython的%魔术命令

NumPy库

数据的维度
- 数据
- 维度
  维度是一组数据的组织形式
- 一维数据
  一维数据由对等关系的有序或无序数据构成，采用线性方式组织。
  表示一维数据可以使用列表、集合、数组表示
  列表和数组都是表达一组数据的有序结构的数据类型，主要区别在于列表的数据类型可以不同，数组的数据类型要求相同
- 二维数据
  二维数据由多个一维数据构成,是一维数据的组合形式。
  表格是典型的二维数据，其中，表头是二维数据的一部分
- 多维数据
  多维数据由一维或二维数据在新维度上扩展形成。
- 高维数据
  高维数据仅利用最基本的二元关系展示数据间的复杂结构。简单来说，高维数据就是由键值对将数据组织起来形成的数据方式。
  如：
数据维度的Python表示
—维数据：列表和集合类型
如：
```
[3.1398, 3.1349, 3.1376] 有序
{3.1398, 3.1349, 3.1376} 无序
```
二维数据：列表类型
如：
```
[ [3.1398, 3.1349, 3.1376],[3.1413, 3.1404, 3.1401] ]
```
多维数据：列表类型
高维数据：字典类型或数据表示格式
如字典类型：
```
dict = {"firstname":"Hello","lastname":"World",}
```
数据表示形式：JSON、XML、YAML格式

NumPy的数组对象：ndarray

NumPy是一个开源的Python科学计算基础库。
NumPy库提供的功能：
- 一个强大的N维数组对象ndarray
  可以表示n维数据的对象
- 广播功能函数
- 整合了C/C++/Fortran代码的工具
- 线性代数、傅里叶变换、随机数生成等功能
NumPy是SciPy、Pandas等数据处理或科学计算库的基础。
NumPy的引用
```
import numpy as np
```

N维数组对象：ndarray

为什么需要一个数组对象（类型）
- 数组对象可以去掉元素间运算所需的循环,使一维向量更像单个数据。
- 设置专门的数组对象,经过优化,可以提升这类应用的运算速度。
  如：
NumPy的底层实现是由C语言来完成的，在进行数组运算的时候，C语言会提供高效和快速的运算性能，在进行大规模运算的时候，运算时间会减少。
科学计算中，一个维度所有数据的类型往往相同。数组对象采用相同的数据类型，有助于节省运算和存储空间。
ndarray是一个多维数组对象，由两部分构成：
- 实际的数据
- 描述这些数据的元数据(数据维度、数据类型等)

ndarray数组一般要求所有元素类型相同（同质）,数组下标从0开始。
实例：

轴（axis）：保存数据的维度
秩（rank）：轴的数量
adarray对象的属性：

如：

ndarray的元素类型：

数据类型	说明
bool	布尔类型，True或False
intc	与c语言中的int类型一致，一般是int32或int64
intp	用于索引的整数，与C语言中ssize_t一致，int32或int64
int8	字节长度的整数，取值：[-128,127]
int16	16位长度的整数，取值：[-32768,32767]
int32	32位长度的整数，取值：[−231,231−1][ -2^{31}, 2^{31}-1][−231,231−1]
int64	64位长度的整数，取值：[−263,263−1][-2^{63},2^{63}-1][−263,263−1]
uint8	8位无符号整数，取值：[0,255]
uint16	16位无符号整数，取值：[0,65535]
uint32	32位无符号整数，取值：[0,232-1]
uint64	64位无符号整数，取值：[0,264-1]
float16	16位半精度浮点数：1位符号位，5位指数，10位尾数
float32	32位半精度浮点数：1位符号位，8位指数，23位尾数
float64	64位半精度浮点数：1位符号位，11位指数，52位尾数
complex64	复数类型，实部和虚部都是32位浮点数（复数由实部(.real) + 虚部(.imag)构成）
complex128	复数类型，实部和虚部都是64位浮点数（复数由实部(.real) + 虚部(.imag)构成）

ndarray为什么要支持这么多种元素类型：

科学计算涉及数据较多，对存储和性能都有较高要求
对元素类型精细定义，有助于NumPy合理使用存储空间并优化性能
对元素类型精细定义,有助于程序员对程序规模有合理评估

ndarray数组可以由非同质对象构成。
非同质ndarray元素为对象类型。
非同质ndarray对象无法有效发挥NumPy优势，尽量避免使用。
如：

ndarray数组的创建和变换
- 方法
  - 从Python中的列表、元组等类型创建ndarray数组。
    x = numpy.array(list/tuple)
    x = numpy.array(list/tuple, dtype=numpy.float32)
    当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型。
    如：
  - 使用NumPy中函数创建ndarray数组，如:arange，ones，zeros等。
    如：
    此外，还有一些其他函数：
    
    如：
    
    ndarray数组的变换：
    对于创建后的ndarray数组,可以对其进行维度变换和元素类型变换。
    - 维度变换：
      
      如：
    - 数组的类型变换
      如：
      
      astype()方法一定会创建新的数组(原始数据的一个拷贝），即使两个类型一致。
    - ndarray数组向列表的转换：
  - 从字节流(raw bytes)中创建ndarray数组。
  - 从文件中读取特定格式，创建ndarray数组。
ndarray数组的操作
- 索引和切片
  索引：获取数组中特定位置元素的过程
  切片：获取数组元素子集的过程
- 一维数组
- 多维数组
  - 索引
  - 切片
ndarray数组的运算
- 数组与标量之间的运算
  数组与标量之间的运算作用于数组的每一个元素
  如：
- 对ndarray中的数据执行元素级运算的函数
  - 一元函数
    
    如：
  - 二元函数
    
    如：
利用NumPy产生随机数
参考：numpy产生随机数
如：

总结

NumPy库入门
- 数据的维度：一维、二维、多维、高维
- ndarray类型属性、创建和变换
- 数组的索引和切片
- 数组的运算:一元函数、二元函数
ndarray类型属性、创建和变化

NumPy库的入门使用相关推荐

python numpy库下载_Python Numpy库快速入门
https://stackedit.io/viewer 1/9 Python 科学计算库 NumPy 的使⽤ NumPy 的介绍 NumPy(Numerical Python 的缩 ...
numpy库快速入门与基础知识
numpy库数据分析人工智能最基础一个库:numpy(numeric(数字化) python) 中文官网:https://www.numpy.org.cn/ 查看API,如何使用使用某个库,导包, ...
Python【入门】(1) —— Numpy库
Python[入门](1) -- Numpy库一.Numpy(Numerical Python)数据库的导入方法一:直接导入该函数库 #方法一:直接导入该函数库 from numpy import ...
PaddlePaddle入门|百度零基础实践深度学习课程笔记——使用Python语言和Numpy库来构建神经网络模型
前面的课程已经讲解了Python的一些基础操作和使用Notebook实现编程的基础知识,下面通过用Python语言和Numpy库来构建神经网络模型来初步实践. 波士顿房价预测任务问题描述波士顿房价 ...
技术图文：NumPy 的简单入门教程
背景这段时间,LSGO软件技术团队正在组织 "机器学习实战刻意练习"活动,这个活动是"Python基础刻意练习"活动的升级,是对学员们技术的更深层次的打磨.在 ...
python使用教程pandas-Python 数据处理库 pandas 入门教程基本操作
pandas是一个Python语言的软件包,在我们使用Python语言进行机器学习编程的时候,这是一个非常常用的基础编程库.本文是对它的一个入门教程. pandas提供了快速,灵活和富有表现力的数据结 ...
如何查看numpy库数组的：类型、数据类型、尺寸、形状、维度？ (type、dtype、size、shape、ndim)
import numpy as np a1 = np.array([1,2,3,4],dtype=np.complex128) print("a1:",a1) print(&quo ...
Python 中的numpy 库
待总结用scikit-learn和pandas学习线性回归用scikit-learn和pandas学习Ridge回归待整理的 Numpy & Pandas numpy--主要对其 N 维 ...
python 的numpy库中的mean()函数用法介绍
这篇文章主要介绍了python 的numpy库中的mean()函数用法介绍,具有很好对参考价值,希望对大家有所帮助.一起跟随小编过来看看吧 mean() 函数定义: 2 mean()函数功能: 求取均 ...

NumPy库的入门使用

目录

Ipython的%魔术命令

NumPy库

总结

NumPy库的入门使用相关推荐

最新文章

热门文章