numpy 学习

标签（空格分隔）： 机器学习

---

Numpy 入门

一、安装

pip install numpy
or
Anaconda 安装

二、使用

1.导入
import numpy as np

NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型
2.np.array() 生成ndarray 对象

data1=[1,2,4.5,3,5,6]
ndarr=np.array(data1)
#下边ndarr都代指ndarray对象

3.np.dtype(ndarr) 查看数据类型

np数据类型

序号	数据类型及描述
1	bool_存储为一个字节的布尔值(真或假)
2	int_默认整数，相当于 C 的long，通常为int32或int64
3	intc相当于 C 的int，通常为int32或int64
4	intp用于索引的整数，相当于 C 的size_t，通常为int32或int64
5	int8字节(-128 ~ 127)
6	int1616 位整数(-32768 ~ 32767)
7	int3232 位整数(-2147483648 ~ 2147483647)
8	int6464 位整数(-9223372036854775808 ~ 9223372036854775807)
9	uint88 位无符号整数(0 ~ 255)
10	uint1616 位无符号整数(0 ~ 65535)
11	uint3232 位无符号整数(0 ~ 4294967295)
12	uint6464 位无符号整数(0 ~ 18446744073709551615)
13	float_float64的简写
14	float16半精度浮点：符号位，5 位指数，10 位尾数
15	float32单精度浮点：符号位，8 位指数，23 位尾数
16	float64双精度浮点：符号位，11 位指数，52 位尾数
17	complex_complex128的简写
18	complex64复数，由两个 32 位浮点表示(实部和虚部)
19	complex128复数，由两个 64 位浮点表示(实部和虚部)

4.ndarr.shape 返回包含数组维度 的元祖

ndarr.shape

返回 (5,)

5.ndarr.reshape(2,2) 调整数组大小

ndarr2=ndarr.reshape(2,2)
print(ndarr2)

[[1.  2.  4.5]
 [3.  5.  6. ]]

6.ndarry.ndim 数组的维数

ndarr.ndim

1

ndarr2.ndim

2

7.np.arange(10) 等间隔数字的数组

np.arange(10)

[0 1 2 3 4 5 6 7 8 9]
#默认从0开始 左开右闭

np.arange(10,20)
[10 11 12 13 14 15 16 17 18 19]

np.arange(10,20,2)
[10 12 14 16 18]

#方法参数
def arange(start=None, stop=None, step=None, dtype=None)

8.ndarr.itemsize 数组中每个元素的字节单位长度

ndarr.dtype
ndarr.itemsize

float64 -类型
8 -长度

9.ndarr.flags 展示当前的标志

ndarr.flags

C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False

序号	属性及描述
1	C_CONTIGUOUS (C) 数组位于单一的、C 风格的连续区段内
2	F_CONTIGUOUS (F) 数组位于单一的、Fortran 风格的连续区段内
3	OWNDATA (O) 数组的内存从其它对象处借用
4	WRITEABLE (W) 数据区域可写入。将它设置为flase会锁定数据，使其只读
5	ALIGNED (A) 数据和任何元素会为硬件适当对齐
6	UPDATEIFCOPY (U)这个数组是另一数组的副本。当这个数组释放时，源数组会由这个数组中的元素更新

10.NumPy - 数组创建

np.empty  它创建指定形状和dtype的未初始化数组
np.zeros  以 0 填充的新数组
np.ones   以 1 填充的新数组。
np.eye    对角线为1，其余用0填充

numpy.empty(shape, dtype = float, order = 'C')

np.empty([3,2], dtype =  int) 

[[22649312    1701344351] 
 [1818321759  1885959276] 
 [16779776    156368896]]
 
np.zeros([2,3])

[[0. 0. 0.]
 [0. 0. 0.]]
 
np.ones([2,3])

[[1. 1. 1.]
 [1. 1. 1.]]

np.eye(3)
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]