一、Numpy简介
- 一个用python实现的科学计算，包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。
- NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。
- 数据类型是ndarray。
二、Numpy中几个常用函数介绍
【1】genfromtxt()函数:从指定文件夹中获取数据。
- delimiter：以何种分隔符进行数据分割。
- dtype：默认读取的数据的用何种方式去读。
- 其他元素可去官网查看具体用法。
示例：
import numpy
world_test = numpy.genfromtxt("C:\\Users\\Lenovo\\Desktop\\numpyTest.txt",delimiter=",",dtype=str)
print(world_test)结果：
[['1998' 'test' '广东广州，男']
['1998' 'test' '广东广州，男']
['1998' 'test' '广东广州，男']
['1998' 'test' '广东广州，男']
['1998' 'test' '广东广州，男']
['1998' 'test' '广东广州，男']
['1998' 'test' '广东广州，男']
['1998' 'test' '广东广州，男']]【2】array()函数：生成一个矩阵。
- shape：查看又array函数创建出来的ndarray的结构。
- dtype：查看ndarray的数据类型。
示例：
import numpy
testArray = numpy.array([1,2,3,4,5])
print(testArray )
print(testArray .shape)
matrix = numpy.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(matrix)
print(matrix.shape)
print(matrix.dtype)结果：
[1 2 3 4 5]
(5,)
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
(4, 3)
int32【3】astype()函数：讲ndarray结果的数组的类型进行改变。
示例：
import numpy
vector = numpy.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(vector.dtype)
vectorSecond = vector.astype(float)
print(vectorSecond.dtype)
print(vector.dtype)结果：
int32
float64
int32【4】min()函数：获取矩阵中的最小值，并且返回。
示例：
import numpy
minArray= numpy.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
minArray.min()
#print(minArray.min())结果：
1【5】max()函数：获取矩阵中的最大值，并且返回。
示例：
import numpy
maxArray= numpy.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
maxArray.max()
#print(maxArray.max())结果：
12【6】sum()函数：获取某一维度的矩阵的和。
- 参数axis等于1时，表示获取每一行的和，当axis等于0时，表示获取每一列的和。
示例：
import numpy
matrix = numpy.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(matrix)
print(matrix.sum(axis=1))
print(matrix.sum(axis=0))结果：
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
[ 6 15 24 33]
[22 26 30]【7】arange()函数：用于生成一维数组 。
- 默认一维为数组：numpy.arange(length)。
- 自定义起点一维数组：numpy.arange(start, stop)。
- 自定义起点步长一维数组：numpy.arange(start, stop, step)。
示例：
npFirst = numpy.arange(5)
npSecond = numpy.arange(2,5)
npThree = numpy.arange(2,15,3)
print(npFirst )
print(npSecond)
print(npThree)结果：
[0 1 2 3 4]
[2 3 4]
[ 2 5 8 11 14]【8】reshape()函数：将一维数组转换为多维数组。
示例：
import numpy
npFirst = numpy.arange(15)
npSecond = npFirst.reshape(3,5)
print(npFirst)
print(npSecond)结果：
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]【9】ndim()函数：判断矩阵是属于哪个维度。
示例：
import numpy
array = numpy.arange(15).reshape(3,5)
print(array)
print("维度：",array.ndim)结果：
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]
维度:2【10】zeros()函数：初始化数组的值为零。
- numpy.zeros(5,dtype=int)：初始化长度为5的一维数组的值为0，并且数值类型为int。
- numpy.zeros((2,3))：初始化一个二维数组的默认值为0，并且数值类型默认为float。
示例：
import numpy
arrayFirst = numpy.zeros(5,dtype=int)
arraySecond = numpy.zeros((2,3))
print(arrayFirst)
print(arraySecond)结果：
[0 0 0 0 0]
[[0. 0. 0.]
[0. 0. 0.]]
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
