Numpy简介

NumPy（Numerical Python） 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

一个强大的N维数组对象 ndarray广播功能函数整合 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 Ndarray 对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引ndarray 对象是用于存放同类型元素的多维数组ndarray 中的每个元素在内存中都有相同存储大小的区域

numpy对象创建：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

名称

描述

object

数组或嵌套的数列

dtype

数组元素的数据类型，可选

copy

对象是否需要复制，可选

order

创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）

subok

默认返回一个与基类类型一致的数组

ndmin

指定生成数组的最小维度

数据类型转换

拷贝

最小维度

subok

NumPy 数据类型

名称

描述

bool_

布尔型数据类型（True 或者 False）

int_

默认的整数类型（类似于 C 语言中的 long，int32 或 int64）

intc

与 C 的 int 类型一样，一般是 int32 或 int 64

intp

用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）

int8

字节（-128 to 127）

int16

整数（-32768 to 32767）

int32

整数（-2147483648 to 2147483647）

int64

整数（-9223372036854775808 to 9223372036854775807）

uint8

无符号整数（0 to 255）

uint16

无符号整数（0 to 65535）

uint32

无符号整数（0 to 4294967295）

uint64

无符号整数（0 to 18446744073709551615）

float_

float64 类型的简写

float16

半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位

float32

单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位

float64

双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位

complex_

complex128 类型的简写，即 128 位复数

complex64

复数，表示双 32 位浮点数（实数部分和虚数部分）

complex128

复数，表示双 64 位浮点数（实数部分和虚数部分）

数据类型对象 (dtype)

数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：

数据的类型（整数，浮点数或者 Python 对象）数据的大小（例如， 整数使用多少个字节存储）数据的字节顺序（小端法或大端法）在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分如果数据类型是子数组，那么它的形状和数据类型是什么。

字节顺序是通过对数据类型预先设定 < 或 > 来决定的。 < 意味着小端法(最小值存储在最小的地址，即低位组放在最前面)。> 意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)。

dtype 对象是使用以下语法构造的：

numpy.dtype(object, align, copy) object - 要转换为的数据类型对象 align - 如果为 true，填充字段使其类似 C 的结构体。 copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用

每个内建类型都有一个唯一定义它的字符代码

字符

对应类型

b

布尔型

i

(有符号) 整型

u

无符号整型 integer

f

浮点型

c

复数浮点型

m

timedelta（时间间隔）

M

datetime（日期时间）

O

(Python) 对象

S, a

(byte-)字符串

U

Unicode

V

原始数据 (void)

dt = np.dtype(np.int32) print(dt) 输出： int32 dt = np.dtype(i4) print(dt) 输出： int32 dt = np.dtype([(age, np.int8)]) print(dt) 输出： [(age, i1)]

结构化数据类型

student = np.dtype([(name,S20), (age,i1), (score, f4)]) a = np.array([(xm, 10, 98.123456789), (xh, 8, 99.111111111), (xl, 9, 100)], dtype=student) print(a) 输出： [(bxm, 10, 98.12346 ) (bxh, 8, 99.111115) (bxl, 9, 100. )]

视频讲解

重播 播放 00:00 / 00:00 直播 00:00 进入全屏 50 点击按住可拖动视频