python庫介紹------Numpy

標籤：mit   data   integer   lag   for   sig   效能   接下來   http   

NumPy簡介：　　NumPy系統是Python的一種開源的數值計算擴充。這種工具可用來儲存和處理大型矩陣，比Python自身的嵌套列表（nested list structure)結構要高效的多（該結構也可以用來表示矩陣（matrix））。

　　 NumPy（Numeric Python）提供了許多進階的數值編程工具，如：矩陣資料類型、向量處理，以及精密的運算庫。專為進行嚴格的數文書處理而產生。多為很多大型金融公司使用，以及核心的科學計算群組織如：Lawrence Livermore，NASA用其處理一些本來使用C++，Fortran或Matlab等所做的任務。

　　 NUMPY提供高效能,多維陣列對象和工作工具使用這些數組。它的數組可以用作高效的通用多維容器資料。可以定義任意的資料類型。 1.先來看一下NumPy的資料類型  （1）帶正負號的整數類型　　　　int8: 1-byte       int16: 2-byte 　　 int32: 4-byte 　　 int64: 8-byte

  (2) 不帶正負號的整數類型

　　　　uint8: 1-byte 　　 uint16: 2-byte 　　 uint32: 4-byte 　　uint64: 8-byte

  (3)C語言整數類型

　　　　 int_　　　　 intc　　　　 intp　　 short　　 long　　 longlong

（4）浮點型floating　　　　布爾型Boolean    　　複數類型Complex　　　　字串類型str  　　 日期時間類型data  and time　　未經處理資料塊Raw data block

  （5）內建資料類型的字元代碼

• 　    ？：boolean,                                                                                     例如：
• 　　 b: signed byte  　　　　　　　　　　　　　　　　　　　　　　i4: 32-bit signed integer
• 　    B: unsigned byte  　　                                                                   u2: 16-bit signed integer
• 　    i: signed integer                                     =========》                   f8: 64-bit floating-point
• 　    u: unsigned integer                     　　                                            U25: 25-character string
• 　    f: floating-point                                                                               V10: 10-byte wide data
• 　　 c: complex
• 　　 m: timedelta
• 　　 M: datetime
• 　　 O: Python object 　　
• 　　 S: (byte) string
• 　　 U: unicode string
• 　　 V: raw data (void)

接下來我們將舉例說明NumPy的對數組的各種使用方法：

（1）ndarray  -----多維度數組

 解釋：n--數字number  d--維度dimensional     array--數組

先看一下基本例子：

 

　　　ndarray具有的屬性：

dtype　　shape 　　ndim　　size　　itemsize　　nbytes　　flags　　base　　

　　下面依次介紹屬性使用：

 

   （2）axis

            為具有不止一個維度數組定義軸。二維數組有兩個對應的軸：第一個通過行（軸0）垂直向下運行，以及第二橫跨柱（軸1）水平運行。

例如：[ [ [ 0 1 2]

　　　　 [ 3 4 5] ]

　　　   [ [ 6 7 8]

　　　　  [ 9 10 11] ] ]

sum(axis=0): [ [ 6 8 10] [12 14 16] ]

sum(axis=1): [ [ 3 5 7] [15 17 19] ]

sum(axis=3): [ [ 3 12] [21 30] ]

 

（3）建立多維度數組

  ①通過np.array------這個就是上面說的了，很簡單

②通過函數

函數方法有：empty　    zeros　　ones　　asarray　　fromiter　　arange　　　　　　full　　　eye　　random.random　　linspace

實現也類似：

（4）多維陣列的重塑：

 

（5）索引和切片

 

整數數組索引可以構造任意數組

 

使用來自另一個數組的資料

 

  

python庫介紹------Numpy