python中np模塊的應用？

numpy

NumPy(Numerical Python) 是 Python 的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。Nupmy可用來存儲和處理大型矩陣，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））。據說NumPy將Python相當于變成一種免費的更強大的MatLab系統。

NumPy 是一個運行速度非?？斓臄祵W庫，主要用于數組計算，包含：

一個強大的 N 維數組對象 ndarray廣播功能函數整合 C/C++/Fortran 代碼的工具線性代數、傅里葉變換、隨機數生成等功能

ndarray對象

NumPy 最重要的一個對象是其 N 維數組對象 ndarray，它是一系列同類型數據的集合，可以使用基于 0 的索引訪問集合中的項目。

ndarray 對象是用于存放同類型元素的多維數組。ndarray中的每個元素在內存中使用相同大小的塊。 ndarray中的每個元素是數據類型對象的對象(稱為 dtype)

numpy.array( object , dtype = None , ndmin = 0 ,copy = True , order = None , subok = False )

一般只有 object 、dtype和 ndmin 參數常用，其他參數不常用

import numpy

a=numpy.array([1,2,3]) #一維

b=numpy.array([[1,2,3],[4,5,6]]) #二維

c=numpy.array([1,2,3],dtype=complex) #元素類型為復數

d=numpy.array([1,2,3],ndmin=2) #二維

print(a,type(a))

print(b,type(b))

print(c,type(c))

print(d,type(d))

####################################

[1 2 3] <class 'numpy.ndarray'>

[[1 2 3]

[4 5 6]] <class 'numpy.ndarray'>

[1.+0.j 2.+0.j 3.+0.j] <class 'numpy.ndarray'

[[1 2 3]] <class 'numpy.ndarray'>

Numpy數組屬性

NumPy 數組的維數稱為秩（rank），一維數組的秩為 1，二維數組的秩為 2，以此類推。

在 NumPy中，每一個線性的數組稱為是一個軸（axis），也就是維度（dimensions）。比如說，二維數組相當于是兩個一維數組，其中第一個一維數組中每個元素又是一個一維數組。所以一維數組就是 NumPy 中的軸（axis），第一個軸相當于是底層數組，第二個軸是底層數組里的數組。而軸的數量——秩，就是數組的維數。

很多時候可以聲明 axis。axis=0，表示沿著第 0 軸進行操作，即對每一列進行操作；axis=1，表示沿著第1軸進行操作，即對每一行進行操作。

ndarray 對象屬性有：

常見的屬性有下面幾種 ：

ndarray.shape ： 這一數組屬性返回一個包含數組緯度的元組，它也可以用于調整數組大小

import numpy as np

a=np.array([[1,2,3],[4,5,6]])

print(a.shape) #打印shape屬性

a.shape=(3,2) #修改shape屬性

print(a)

#######################################

(2, 3)

[[1 2]

[3 4]

[5 6]]

ndarray.ndim： 這一數組屬性返回數組的維數

import numpy as np

a=np.arange(24) #np.arange返回0-23的列表類型的數據

print(a.ndim)

b=a.reshape(2,3,4)

print(b)

print(b.ndim)

############################

1

[[[ 0 1 2 3]

[ 4 5 6 7]

[ 8 9 10 11]]

[[12 13 14 15]

[16 17 18 19]

[20 21 22 23]]]

3

ndarray.itemsize ： 這一數組屬性返回數組中每個元素的字節單位長度

import numpy as np

a=np.array([1,2,3]) #默認是四個字節

print(a.itemsize)

#########################################

4

numpy.mat()函數的用法

該函數用來創建矩陣

import numpy as np

#將列表轉為矩陣

a=[7,8,9]

b=np.mat(a)

print(b)

print("#"*10)

#創建一行的矩陣

m=np.mat([1,2,3])

print(m)

print("打印出第一行的第三個值：",m[0,2]) #取第一行的第三個值

print("#"*10)

x=np.mat([[3,2,1],[6,5,4]])

print(x)

print("打印出矩陣的第二行：",x[1])

print("打印出矩陣的第二行：",x[1,:])

print("打印出矩陣的行列數：",x.shape) #獲得矩陣的行列數

print("打印出矩陣的行數 ：",x.shape[0]) #獲得矩陣的行數

print("打印出矩陣的列數 ：",x.shape[1]) #獲得矩陣的列數

x.sort() #對矩陣的每一行進行排序

print("對矩陣的每一行進行排序:")

print(x)

print("#"*10)

numpy.zeros()函數的用法

該函數用于返回給定形狀和類型的新數組。返回的數據類型為 numpy.ndarray，具有給定形狀，類型和順序的0的數組。

參數：

shape：int 或 int 的元組。新陣列的形狀，例如：（2，3）或2。dtype：數據類型，可選。、例如numpy.int8。默認是numpy.float64order：{'C'，'F'}，可選，默認：'C' 。是否在內容中以行（C）或列（F）順序存儲多維數據。

import numpy as np

a=np.zeros(5)

print(a,type(a))

b=np.zeros([1,2],dtype='int8')

print(b)

c=np.zeros([1,2,3],dtype='int8')

print(c)