Python學習-Numpy資料處理

標籤：python   資料處理   儲存   運算   列表   

引文

標準的python中用list儲存數值，可以當數組使用。但由於列表的元素是任意對象，因此列表中儲存的是對象的指標。對於數值運算來說，這種結構顯然會浪費記憶體和CPU計算時間。

此外，python還提供了array模組，但由於其不支援多維陣列，因此也不適合數值計算。

So，Numpy正好彌補了這些不足，Numpy提供了兩個基本的對象：ndarray和ufunc。ndarray是儲存單一資料類型的多維陣列，而ufunc是能夠對數組進行處理的函數。

匯入方法

import numpy as np

list轉array：採用的是numpy內建的array轉換方法

>>>list=[1,2]>>>_array = np.array(lists)

array轉list： nunpy的array轉list同樣非常方便，直接使用tolist()方法即可

>>>_list = _array.tolist()

使用numpy的random.shuffle方法對給定的一組有序序列生轉換成一個隨機序列

>>>arr = np.arange(1000) #產生一個序列，from 0 to 999>>>np.random.shuffle(arr)

將numpy的數組格式資料以文字格式設定儲存

>>>np.savetxt("a.txt",a,fmt="%d",delimiter=‘\t‘)

將python列錶轉為numpy格式：

>>>pyList = [5, 11, 122]>>>mat(pyList)

一個例子：

>>> from numpy  import *>>> a = arange(15).reshape(3, 5)>>> aarray([[ 0,  1,  2,  3,  4],       [ 5,  6,  7,  8,  9],       [10, 11, 12, 13, 14]])>>> a.shape(3, 5)>>> a.ndim2>>> a.dtype.name‘int32‘>>> a.itemsize4>>> a.size15>>> type(a)numpy.ndarray>>> b = array([6, 7, 8])>>> barray([6, 7, 8])>>> type(b)numpy.ndarray

數組建立

>>> from numpy import *>>> a = array( [2,3,4] )>>> aarray([2, 3, 4])>>> a.dtypedtype(‘int32‘)>>> b = array([1.2, 3.5, 5.1])>>> b.dtypedtype(‘float64‘)

比較兩種建立方式，其中第一種是錯誤的

>>> a = array(1,2,3,4)    # WRONG>>> a = array([1,2,3,4])  # RIGHT

二維數組建立

>>> b = array( [ (1.5,2,3), (4,5,6) ] )>>> barray([[ 1.5,  2. ,  3. ],       [ 4. ,  5. ,  6. ]])

著作權聲明：本文為博主原創文章，未經博主允許不得轉載。

Python學習-Numpy資料處理