Python中的Numpy包

標籤：src   sha   pytho   ref   主要對象   port   列表   通過   三維   

通過本次學習你可以掌握Numpy

Numpy介紹（擷取地址）

numpy的主要對象是同質多維陣列。也就是在一個元素（通常是數字）表中，元素的類型都是相同的。

numpy的數組類被成為ndarray。別名為array。numpy.array與標準python庫類array.array不一樣，標準庫類中的那個只能處理一維數組並且功能更少。

 

例如ndarray為矩陣

關於維數和類型操作：
ndarray.ndim                 數組的軸（維度）的數量。
ndarray.shape：           數組的維度。
ndarray.size：              數組的元素的總個數。（m*n）
ndarray.dtype：           用來描述數組中元素類型的對象。

例子：

 1 import numpy as np 2  3 A = np.array([1,3,1]) 4 B = np.array([[1],[2],[3]]) 5 C = np.array([1,3,1],dtype= "float64") 6 print(""" 7 數組A的維度數為%s 8 數組A的維度為%s 9 數組A的元素總個數為%s10 """ %(A.ndim ,B.shape ,A.size))11 print("""12 數組A的類型%s13 數組C的類型%s14 """ %(A.dtype ,C.dtype ))

 結果：

關於產生特殊矩陣操作：

zeros（）            元素全部為0

ones（）             元素全為1

arange（起始，結束，步長）

linspace（起始，結束，元素個數）

為了產生數字序列。numpy提供一個類似於arange的函數，返回一個列表，參數為（起始，結束，步長）
函數linspace是一個更好的選擇，因為我們可以對該函數指定需要建立多少個元素，參數為（起始，結束，元素個數）

例子：

__author__ = "WSX"

import numpy as np

A = np.zeros((3,3))
B = np.ones((3,3))
C = np.arange(1.0,5,2.1)
D = np.linspace(1,5,4)
print("""
產生的A為:\n%s
產生的B為:\n%s
產生的C為:\n%s
產生的D為:\n%s
""" %(A,B,C,D))

 結果：

 

 關於reshape的使用：

A= np.array([1,2,3,4,5,6,7,8,9])
B= np.array([1,2,3,4,5,6,7,8,9,10,11,12])
print("A(3,3)\n", A.reshape(3,3))   #二維矩陣
print("B(1,9)\n",A.reshape(1,9))     #二維矩陣
print("B(2,2,3)\n",B.reshape(2,2,3)) #三維矩陣

結果：

 

關於矩陣的運算：

　　在數組上的算術操作符是逐元素的得到的是一個重新建立的數組，然後將結果寫入新數組中：

　　numpy中乘積操作符×是逐元素進行的

　　矩陣的積可以通過使用dot 函數

（待續。。。）

 

Python中的Numpy包