python建立复数数组_深入理解NumPy简明教程---数组1
目前我的工作是将NumPy引入到Pyston中(一款Dropbox实现的Python编译器/解释器)。在工作过程中,我深入接触了NumPy源码,了解其实现并提交了PR修复NumPy的bug。在与NumPy源码以及NumPy开发者打交道的过程中,我发现当今中文NumPy教程大部分都是翻译或参考英文文档,因此导致了许多疏漏。比如NumPy数组中的broadcast功能,几乎所有中文文档都翻译为“广播”。而NumPy的开发者之一,回复到“broadcast is a compound -- native English speakers can see that it's " broad" + "cast" = "cast (scatter, distribute) broadly, I guess "cast (scatter, distribute) broadly" probably is closer to the meaning(NumPy中的含义)"。有鉴于此,我打算启动一个项目,以我对NumPy使用以及源码层面的了解编写一个系列的教程。
NumPy数组
NumPy数组是一个多维数组对象,称为ndarray。其由两部分组成:
实际的数据
描述这些数据的元数据
大部分操作仅针对于元数据,而不改变底层实际的数据。
关于NumPy数组有几点必需了解的:
NumPy数组的下标从0开始。
同一个NumPy数组中所有元素的类型必须是相同的。
NumPy数组属性
在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推。在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量。比如说,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是NumPy中的轴(axes),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量——秩,就是数组的维数。
NumPy的数组中比较重要ndarray对象属性有:
ndarray.ndim:数组的维数(即数组轴的个数),等于秩。最常见的为二维数组(矩阵)。
ndarray.shape:数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中,表示数组的“行数”和“列数”。ndarray.shape返回一个元组,这个元组的长度就是维度的数目,即ndim属性。
ndarray.size:数组元素的总个数,等于shape属性中元组元素的乘积。
ndarray.dtype:表示数组中元素类型的对象,可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。
ndarray.itemsize:数组中每个元素的字节大小。例如,一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits,每个字节长度为8,所以64/8,占用8个字节),又如,一个元素类型为complex32的数组item属性为4(32/8)。
ndarray.data:包含实际数组元素的缓冲区,由于一般通过数组的索引获取元素,所以通常不需要使用这个属性。
创建数组
先来介绍创建数组。创建数组的方法有很多。如可以使用array函数从常规的Python列表和元组创造数组。所创建的数组类型由原序列中的元素类型推导而来。
>>> from numpy import *
>>> a = array( [2,3,4] )
>>> a
array([2, 3, 4])
>>> a.dtype
dtype('int32')
>>> b = array([1.2, 3.5, 5.1])
>>> b.dtype
dtype('float64')
使用array函数创建时,参数必须是由方括号括起来的列表,而不能使用多个数值作为参数调用array。
>>> a = array(1,2,3,4) # 错误
>>> a = array([1,2,3,4]) # 正确
可使用双重序列来表示二维的数组,三重序列表示三维数组,以此类推。
>>> b = array( [ (1.5,2,3), (4,5,6) ] )
>>> b
array([[ 1.5, 2. , 3. ],
[ 4. , 5. , 6. ]])
可以在创建时显式指定数组中元素的类型
>>> c = array( [ [1,2], [3,4] ], dtype=complex)
>>> c
array([[ 1.+0.j, 2.+0.j],
[ 3.+0.j, 4.+0.j]])
通常,刚开始时数组的元素未知,而数组的大小已知。因此,NumPy提供了一些使用占位符创建数组的函数。这些函数有助于满足除了数组扩展的需要,同时降低了高昂的运算开销。
用函数zeros可创建一个全是0的数组,用函数ones可创建一个全为1的数组,函数empty创建一个内容随机并且依赖与内存状态的数组。默认创建的数组类型(dtype)都是float64。
可以哟娜特d.dtype.itemsize来查看数组中元素占用的字节数目。
>>> d = zeros((3,4))
>>> d.dtype
dtype('float64')
>>> d
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
>>> d.dtype.itemsize
8
也可以自己制定数组中元素的类型
>>> ones( (2,3,4), dtype=int16 ) #手动指定数组中元素类型
array([[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]],
[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]], dtype=int16)
>>> empty((2,3))
array([[ 2.65565858e-316, 0.00000000e+000, 0.00000000e+000],
[ 0.00000000e+000, 0.00000000e+000, 0.00000000e+000]])
NumPy提供一个类似arange的函数返回一个数列形式的数组:
>>> arange(10, 30, 5)
array([10, 15, 20, 25])
以10开始,差值为5的等差数列。该函数不仅接受整数,还接受浮点参数:
>>> arange(0,2,0.5)
array([ 0. , 0.5, 1. , 1.5])
当arange使用浮点数参数时,由于浮点数精度有限,通常无法预测获得的元素个数。因此,最好使用函数linspace去接收我们想要的元素个数来代替用range来指定步长。linespace用法如下,将在通用函数一节中详细介绍。
>>> numpy.linspace(-1, 0, 5)
array([-1. , -0.75, -0.5 , -0.25, 0. ])
数组中的元素是通过下标来访问的,可以通过方括号括起一个下标来访问数组中单一一个元素,也可以以切片的形式访问数组中多个元素。关于切片访问,将在切片一节介绍。
知识点:NumPy中的数据类型
对于科学计算来说,Python中自带的整型、浮点型和复数类型远远不够,因此NumPy中添加了许多数据类型。如下:
NumPy中的基本数据类型
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int32或int64)
int8
一个字节大小,-128 至 127
int16
整数,-32768 至 32767
int32
整数,-2 ** 31 至 2 ** 32 -1
int64
整数,-2 ** 63 至 2 ** 63 - 1
uint8
无符号整数,0 至 255
uint16
无符号整数,0 至 65535
uint32
无符号整数,0 至 2 ** 32 - 1
uint64
无符号整数,0 至 2 ** 64 - 1
float16
半精度浮点数:16位,正负号1位,指数5位,精度10位
float32
单精度浮点数:32位,正负号1位,指数8位,精度23位
float64或float
双精度浮点数:64位,正负号1位,指数11位,精度52位
complex64
复数,分别用两个32位浮点数表示实部和虚部
complex128或complex
复数,分别用两个64位浮点数表示实部和虚部
NumPy类型转换方式如下:
>>> float64(42)
42.0
>>> int8(42.0)
42
>>> bool(42)
True
>>> bool(42.0)
True
>>> float(True)
1.0
许多函数的参数中可以指定参数的类型,当然,这个类型参数是可选的。如下:
>>> arange(7, dtype=uint16)
array([0, 1, 2, 3, 4, 5, 6], dtype=uint16)
输出数组
当输出一个数组时,NumPy以特定的布局用类似嵌套列表的形式显示:
第一行从左到右输出
每行依次自上而下输出
每个切片通过一个空行与下一个隔开
一维数组被打印成行,二维数组成矩阵,三维数组成矩阵列表。
>>> a = arange(6) # 1d array
>>> print a
[0 1 2 3 4 5]
>>> b = arange(12).reshape(4,3) # 2d array
>>> print b
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
>>> c = arange(24).reshape(2,3,4) # 3d array
>>> print c
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
reshape将在下一篇文章中介绍
如果一个数组太长,则NumPy自动省略中间部分而只打印两端的数据:
>>> print arange(10000)
[ 0 1 2 ..., 9997 9998 9999]
>>> print arange(10000).reshape(100,100)
[[ 0 1 2 ..., 97 98 99]
[ 100 101 102 ..., 197 198 199]
[ 200 201 202 ..., 297 298 299]
...,
[9700 9701 9702 ..., 9797 9798 9799]
[9800 9801 9802 ..., 9897 9898 9899]
[9900 9901 9902 ..., 9997 9998 9999]]
可通过设置printoptions参数来禁用NumPy的这种行为并强制打印整个数组。
set_printoptions(threshold='nan')
这样,输出时数组的所有元素都会显示出来。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
python建立复数数组_深入理解NumPy简明教程---数组1相关推荐
- python多维数据分析_Python 数据分析:numpy 多维数组 ndarray
下面的文章中,将使用约定俗成的模块名 np 来表示 NumPy 库. 1. 多维数组的创建 NumPy 提供了许多常用的函数来创建多维数组,先概览这些函数的名称及功能. 函数 说明 array 将输入 ...
- NumPy简明教程(二、数组1)
http://blog.csdn.net/sunny2038/article/details/9002531 NumPy数组(1.数组初探) 更新 目前我的工作是将NumPy引入到Pyston中(一款 ...
- NumPy简明教程(二、数组2)
NumPy数组(2.数组的操作) 基本运算 数组的算术运算是按元素逐个运算.数组运算后将创建包含运算结果的新数组. [python] view plain copy >>> a= n ...
- 【Python】Numpy简明教程
1. 引言 本文主要介绍Python中专门用于数据处理的库–Numpy,使用它可以快速地构建复杂的矩阵操作. 闲话少说,我们直接开始吧! 2. 什么是Numpy? Numpy是Numerical Py ...
- doctrine find的对象转换成数组_「ES6基础」Array数组的新方法(上)
在日常工作中我们经常会与数组打交道,因此需要熟练掌握数组操作的相关方法,ES6中关于数组的操作,又给我们带来了哪些惊喜呢,Array数组操作又添加了哪些新方法? 本篇文章将从以下几个方面进行介绍: A ...
- scala 字符串转换数组_如何在Scala中将字节数组转换为字符串?
scala 字符串转换数组 Byte Array in Scala is an array of elements of a byte type. String in Scala is a colle ...
- cmake字符串转数组_掌握常用的数据结构之数组和字符串
点击上方蓝字设为星标 每周一.三.五上午 8:30 准时推送 下面开始今天的学习- 数组和字符串 所谓数组,是有序的元素序列.组成数组的各个变量称为数组的分量,也称为数组的元素,有时也称为下标变量.用 ...
- c++随机打乱数组_编程之路之php数组操作详解【文末有惊喜】
一.数组的操作 数组是一种复合数据类型,是数据的集合. 数组中的数据称为元素,每个元素是由键和值组成的键值对. 二.数组分类 1.关联数组 数据是由键和值形式构成的数组,键和值有一定关系 $arr = ...
- 边信息(即对应的两个数组值)_Python 数据分析 NumPy 模块迭代数组nditer方法详解...
考虑到实际应用场景中,数组往往不止一个维度,因此遍历数组中所有元素,使用while和for循环写起来很麻烦,本文将介绍NumPy自带的数组遍历方法nditer. 迭代器对象 nditer 在numpy ...
最新文章
- ubuntu 14.04 下通过apt-get 安装jdk
- 从数论中的原理来说算法
- Microsoft 和 Google 就Yahoo 收购一事展开口水战
- mysql ubb html_UBB中轻松实现歌词同步播放_html
- 关于自定义控件,可以编译通过,但是用时提示无法创建新实例。
- google_protobuf数据类型
- Flask11 Session、CSRF、注销session、利用端点自动跳转
- vscode settings.json配置
- 在Spring Boot中使用 @ConfigurationProperties 注解, @EnableConfigurationProperties
- 利用反射将IDataReader读取到实体类中效率低下的解决办法
- 基于SSM的企业工资管理系统
- 野火学习笔记(13) —— USART —串口通讯
- 正则表达式限制只能输入中文英文数字
- 计算机驱动程序的安装过程,电脑怎么安装驱动程序
- CNN实现训练自己的图片数据集
- 凸优化:ADMM(Alternating Direction Method of Multipliers)交替方向乘子算法
- 网络空间安全概论心得
- 电脑登录qq但是打不开网页的解决办法(转载)
- RTT学习-初步认识
- 鸿蒙os是封闭系统吗,鸿蒙OS系统和安卓一样越用越卡?苹果iOS也不能逃脱这一结局...
热门文章
- 关于4A统一安全管理平台解决方案简单介绍
- 使用FreePicPdf 提取书签并生成书签
- 2022-2028年中国针织行业生产现状分析与投资前景战略研究报告
- 如何修改.json文件的内容?
- 硬件测试点案例(四个)
- 特征学习笔记Chapter1-Chapter4
- MP4文件格式详解——结构概述
- [译] Dweb: 用 WebTorrent 搭建一个可复原的 Web (中英)
- Note10:基于STM32H7+HAL+CubeMX+DMA+SPI+串口中断+定时器+RTC的多传感器数据采集系统(2*ADXL355和ADXL375通过Sync时序同步)
- 【商业数据分析】CPC广告投放系统的要素介绍