Python 科学应用库 numpy(1)

图

numpy 和 pandas

在科学运算比较重要的库 numpy 和 pandas ，如果要用 python 进行数据分析的话就会用到 numpy 和 pandas，在使用 TensorFlow 时候我们就少不了使用到 numpy ，使用 numpy 要比 python 提供数据结构 list 和 dictionary 要快和方便。

基于 python list 创建 numpy 数组

x = [0.0, 1.2, 2.3]
print(type(x))

xx = np.array(x)
print(type(xx))

<class 'list'>
<class 'numpy.ndarray'>

基于输出创建 numpy 数组

创建二维数据组，通过 shape 可以查看 numpy 数组的维度，ndim 表示数组的维度。size 给出数组元素总数。

import numpy as np
array = np.array([[1,2,3],[2,3,4]])
print(array)
print("number of dim:",array.ndim)
print("shape:",array.shape)
print("size:",array.size)

输出

[[1 2 3]
 [2 3 4]]
number of dim: 2
shape: (2, 3)
size: 6

大家可能注意到了输出数组，元素间并没有逗号间隔。

import numpy as np
a = np.array([1,2,3])
print(a)

[1 2 3]

创建 np 数组时候指定数组元素数据类型

可以通过参数 dtype 给出数据元素的类型
可以通过 array 的第二个参数给数组元素指定类型

import numpy as np
a = np.array([1,2,3],dtype=np.int)
print(a.dtype)

int64

import numpy as np
a = np.array([1,2,3],dtype=np.float32)
print(a.dtype)

import numpy as np
a = np.array([[1,2,3],[2,3,4]],dtype=np.float32)
print(a)

numpy 数组初始化

生成一个初始值全部为 0 的矩阵

b = np.zeros((3,4))

b = np.ones((3,4),dtype=np.int16)

b = np.empty((3,4),dtype=np.int16)

[[     0      0      0 -16384]
 [ -4664 -31994   2041 -12288]
 [     2  12398  32664      0]]

a = np.arange(10,20,2)
print(a)

[10 12 14 16 18]

对 numpy 数组进行修改维度

可以通过 reshape 对 numpy 数组进行修改维度（形状）

a = np.arange(12).reshape((3,4))
print(a)

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

y = [1, 2, 3, 4, 5, 6, 7, 8]
yy = np.array(y)
Y = np.reshape(yy, (2, 4))
print(Y)

import numpy as np
a = np.linspace(1,10,5)
print(a)

[ 1.    3.25  5.5   7.75 10.  ]