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.]]
