python numpy数据类型_Python之numpy数组学习（一）

原标题：Python之numpy数组学习（一）

我回来了。

前言

前面已经安装并学习了Python中的科学计算库，今天主要学习下numpy数组。

Numpy数组对象

Numpy中的多维数组称为ndarray，它有两个组成部分。

数据本身。

描述数据的元数据。

在数组的处理过程中，原始数据不受影响，变化的只是元数据。

Numpy数组通常是由相同种类的元素组成，即数组中数据类型必须一致。好处是：数组元素类型相同，可轻松确定存储数组所需的空间大小。同时，numpy可运用向量化运算来处理整个数组。Numpy数组的索引从0开始。（这里我使用的是ipython命令行，ipython最近刚开始用，以后详细介绍下。）

In [3]: import numpy as np

In [4]: a = np.arange(5)

In [5]: a.dtype

Out[5]: dtype('int32')

上面数组的数据类型为int32，这一般跟你安装的Python版本有关。不过我安装的是64位，不知道怎么回事这里是int32，后面再检查下。

上一篇我们说了向量（一维的numpy数组）的创建方法，下面看一下上面生成的向量。

In [6]: a

Out[6]: array([0, 1, 2, 3, 4])

In [7]: a.shape

Out[7]: (5,)

可以看到，该向量有5个元素，该数组的shape属性是一个元组，存放的是数组在每一个维度的长度。

创建多维数组

我们已经知道了如何创建向量，下面开始建立多维numpy数组，生成矩阵后，再看它的形状。

In [8]: m = np.array([np.arange(2),np.arange(2)])

In [9]: m

Out[9]:

array([[0, 1],

[0, 1]])

上面我们用arrange方法创建了一个简单的2*2的数组，利用array()函数创建数组时，需要传递给它一个对象，并且这个对象必须是数组类型。如Python的列表。

创建之后，我们要选择矩阵的元素，这里就相当于一个二维坐标系，我们只要找到对应的坐标即可。

In [10]: m[0,0]

Out[10]: 0

In [11]: m[0,1]

Out[11]: 1

In [12]: m[1,0]

Out[12]: 0

In [13]: m[1,1]

Out[13]: 1

可以看到，选择数组元素很简单，对于数组m，只要通过m[m,n]的形式，就能访问数组内的元素，其中m和n为数组元素的下标，从0开始。

Numpy的数值类型

Python本身支持整型、浮点型和复数型，为了科学计算，numpy提供了更加丰富的数据类型，注意：numpy跟数学运算有关的数据类型的名称都以数字结尾。这个数字指示了该类型的变量所占用的二进制位数。Numpy的各种数值类型如下图所示：

每一种数据类型都有相应的转换函数，许多函数都带有一个指定数据类型的参数，该参数一般可选。

In [15]: np.float64(30)

Out[15]: 30.0

In [16]: np.bool(30)

Out[16]: True

In [17]: np.float(True)

Out[17]: 1.0

In [18]: np.int8(30)

Out[18]: 30

In [20]: np.arange(7, dtype='uint16')

Out[20]: array([0, 1, 2, 3, 4, 5, 6],dtype=uint16)

注意：不允许把复数转化成整型。也不允许把复数转化为浮点数，但是允许把浮点数转化为复数。复数的实部和虚部分别使用real()函数和imag()函数提取。

数据类型对象是numpy.dtype类的实例。数组是一种数据类型。数据类型对象表明了数据占用的字节数，所占用字节的具体数目一般存放在类dtype的itemsize中。

In [6]: import numpy as np

In [7]: a = np.arange(5)

In [8]: a

Out[8]: array([0, 1, 2, 3, 4])

In [9]: a.dtype.itemsize

Out[9]: 4

一维数组的切片和索引

一维numpy数组的切片操作和Python列表的切片一样，看一下下面的例子来体验一下。

In [34]: a = np.arange(9)

In [35]: a

Out[35]: array([0, 1, 2, 3, 4, 5, 6, 7, 8])

#通过下标取数据

In [36]: a[3:7]

Out[36]: array([3, 4, 5, 6])

#用下标选择元素，范围0到7，下标每次递增2

In [37]: a[:7:2]

Out[37]: array([0, 2, 4, 6])

#反转数组

In [38]: a[::-1]

Out[38]: array([8, 7, 6, 5, 4, 3, 2, 1, 0])

小结

今天学习一下Python中numpy的简单使用。希望通过上面的操作能帮助大家。如果你有什么好的意见，建议，或者有不同的看法，我都希望你留言和我们进行交流、讨论。

欢迎关注微信公众号，访问更多精彩：AiryData。

如需转载，请联系授权，谢谢合作。返回搜狐，查看更多

责任编辑：

python numpy数据类型_Python之numpy数组学习（一）相关推荐

python numpy数据类型_Python中numpy的数据类型,python,dtype
type,dtype,astype的区别 type():返回数据结构的类型(list,dict等).如type([1,2,3,4])返回list.list中可以包含不同数据类型的元素. dtype() ...
python numpy数据类型_python numPy模块与numpy里的数据类型、数据类型对象dtype
学习链接:http://www.runoob.com/numpy/numpy-tutorial.html 简介: numPy是python语言的一个扩展库,是一个运行非常快的数学库,主要用于数组计算. ...
python之numpy基础_Python之NumPy学习（基础篇）
NumPy(NumericalPython的缩写)是一个开源的Python科学计算库.使用NumPy,就可以很自然的使用数组和矩阵.NumPy包含很多实用的数学函数,涵盖线性代数运算.傅里叶变换和随机 ...
python阈值计算_python – 在numpy中计算超过阈值的数组值的最快方法
使用cython可能是一个不错的选择. import numpy as np cimport numpy as np cimport cython from cython.parallel impor ...
python炒股模块_Python数据分析-numpy模块、pandas模块.基本操作、股票案例
索引操作和列表同理 arr = np.random.randint(0,100,size=(5,6)) arr array([[14, 89, 71, 96, 1, 94], [30, 98, 10, ...
python正态分布随机数_Python使用numpy产生正态分布随机数的向量或矩阵操作示例...
本文实例讲述了Python使用numpy产生正态分布随机数的向量或矩阵操作.分享给大家供大家参考,具体如下: 简单来说,正态分布(Normal distribution)又名高斯分布(Gaussian ...
python 数据结构包_python 中numpy科学计算工具包——基础数据结构
认识numpy基础数据结构 # 认识数组 ar = np.array([[1,2,3,4,5],[6,7,8,9,10]]) br = [[1,2,3,4,5],[6,7,8,9,10]] print ...
python傅里叶变换库_python的numpy库和cv2库实现图像傅里叶变换
码字不易,如果对您有所帮助,记着点赞哦! 一. 图像傅里叶变换原理: 对二维图像进行傅里叶变换用如下公式进行: 图像长M,高N.F(u,v)表示频域图像,f(x,y)表示时域图像.u的范围为[0,M- ...
python的数据类型_Python支持哪些数据类型
Python基本数据类型一般分为:数字.字符串.列表.元组.字典.集合这六种基本数据类型. 数字数字类型是不可更改的对象.对变量改变数字值就是生成/创建新的对象.Python支持多种数字类型: 整型( ...

python numpy数据类型_Python之numpy数组学习（一）

python numpy数据类型_Python之numpy数组学习（一）相关推荐

最新文章

热门文章