Python科學計算基礎包-Numpy,python-numpy
一、Numpy概念
Numpy(Numerical Python的簡稱)是Python科學計算的基礎包。它提供了以下功能:
除了為Python提供快速的數組處理能力,Numpy在資料分析方面還有另外一個主要作用,即作為在演算法之間傳遞資料的容器。對於數值型資料,Numpy數組在儲存和處理資料時要比內建的Python資料結構高效的多。此外,由低級語言(比如C和Fortran)編寫的庫可以直接操作Numpy數組中的資料,無需進行任何資料複製工作。
二、Numpy的突出優勢
與Python的基礎資料型別 (Elementary Data Type)相比,其具有以下突出優勢:
NumPy提供了兩種基本的對象:ndarray(N-dimensional array object)和ufunc(universal function object)。ndarray用來儲存單一資料類型的多維陣列,ufunc是對數組進行處理的函數。
三、ndarray對象
Numpy的核心是ndarray對象,它封裝了同質資料類型的n維數組,與python序列有以下區別:
ndarray在建立時有固定大小:不同於python中的列表,更改ndarray的大小將建立一個新的數組並刪除未經處理資料 ndarray中的元素有相同的資料類型 ndarray便於對大量資料進行進階數學操作:通常會比python內建序列更高效也更簡單 越來越多的基於python的科學和數學軟體使用ndarray數組:只知道python的內建序列類型是不夠的,還需要知道如何使用ndaray數組
ndarray資料類型
Numpy支援比Python更多種類的數實值型別,參見:資料類型
| numpy資料類型 |
python類型 |
描述 |
| bool_ |
bool |
布爾(True或False),儲存為一個位元組 |
| int_ |
int |
預設整數類型(與C long相同;通常為int64或int32) |
| intc |
|
與C int(通常為int32或int64)相同 |
| intp |
|
用於索引的整數(與C ssize_t相同;通常為int32或int64) |
| int8 |
|
位元組(-128到127) |
| int16 |
|
整數(-32768到32767) |
| int32 |
|
整數(-2147483648至2147483647) |
| int64 |
|
整數(-9223372036854775808至9223372036854775807) |
| uint8 |
|
不帶正負號的整數(0到255) |
| uint16 |
|
不帶正負號的整數(0到65535) |
| uint32 |
|
不帶正負號的整數(0至4294967295) |
| uint64 |
|
不帶正負號的整數(0至18446744073709551615) |
| float_ |
float |
float64的簡寫。 |
| float16 |
|
半精度浮點:符號位,5位指數,10位尾數 |
| float32 |
|
單精確度浮點:符號位,8位指數,23位尾數 |
| float64 |
|
雙精確度浮點:符號位,11位指數,52位尾數 |
| complex_ |
complex |
complex128的簡寫。 |
| complex64 |
|
複數,由兩個32位浮點(實數和虛數分量) |
| complex128 |
|
複數,由兩個64位浮點(實數和虛數分量) |
| 123456789101112 |
# 作為類型名稱設定數組中元素的類型,為了向後相容,也可以使用float或字串'float'x = np.array([1,2,3],dtype=np.float)print x # 查看資料類型print x.dtype # 作為單實值型別轉化函數print np.int32(1.3) # 轉換數組的類型,會產生新的副本print x.astype(np.int) |
結果:
| 1234 |
[ 1. 2. 3.]float641[1 2 3] |
感謝閱讀上海尚學堂文章,擷取更多內容或支援請點擊上海python培訓