array科学计算库 python python科学计算包

一、前言

1. 博主是一个普普通通的大学生，没有很厉害的技术，写的内容都是不太正经的偏小白简单的，写的也是学校教过的知识消化后自己的见解，不是很学术研究的博文。
2. 配置：Window 7旗舰版+64位操作系统+Anaconda3 Spyder（64-bit）
3. 大数据挖掘经常用的包有：NumPy（科学计算库），SciPy（科学计算库），Pandas（数据分析处理库），Matplotlib（数据可视化库），Scikit-learn（机器学习库）。这篇博文主要是介绍NumPy。
4. NumPy是一个开源的Python科学计算基础库，提供了大量的数值编程工具，可以方便地处理向量、矩阵等运算。
5. NumPy包含：N维数组对象ndarray，广播功能函数，线性代数、傅里叶变换，随机数生成功能。

二、导入NumPy库

（1）方法一

import numpy

（2）方法二

from numpy import *          #‘*’是全部的意思，从numpy里导入全部就是导入numpy的意思

（3）方法三

import numpy as np          
#‘np’是导入模块的别名，可以换别的，但‘np’为习惯用法，用别名代码会更简洁

三、从Python中的列表、元组等类型创建ndarray数组

1.从列表类型创建

import numpy as np
x=np.array([0,1,2,3])
print(x)

假如想直接在Spyder页面右边输下图的话，需要提前在左边输入‘import numpy as np’并运行一遍

2. 从元组类型创建

import numpy as np
y=np.array((4,5,6,7))
print(y)

假如想直接在Spyder页面右边输下图的话，需要提前在左边输入‘import numpy as np’并运行一遍

3.从列表和元组混合类型创建

import numpy as np
z=np.array([[1,2],[3,4],(0.6,0.8)])
print(z)

假如想直接在Spyder页面右边输下图的话，需要提前在左边输入‘import numpy as np’并运行一遍。而且元组和列表的表达方式不一样，注意观察他的的括号。

四、使用NumPy中的函数创建ndarray数组

1.arange函数

（1）类似range函数，返回ndarray类型，元素从0到n-1。
（2）代码

np.arange（n）        #n为个数

（3）例子

2.ones函数

（1）根据shape生成一个全是1数组，shape是元组类型。
（2）代码

np.ones(shape)

（3）例1

当shape为（3,4），所以出来的数组为三行四列全是1的ndarray数组

（4）例2

3.zeros函数

（1）根据shape生成一个全是0数组，shape是元组类型。
（2）代码

np.zeros(shape)

（3）例子

当shape为（4,3），所以出来的数组为四行三列全是0的ndarray数组

4.full函数

（1）用shape生成一个数组，每个元素值都是val
（2）代码

np.full(shape,val)                             #shape为数组，val的值根据需要进行替换

（3）例子

当shape为（2,3），val值为6；所以出来的数组为两行三列全是6的ndarray数组

5.eye函数

（1）创建一个正方的n*n的单位矩阵，对角线为1，其余为0
（2）代码

np.eye(n)                            #‘n’是单位矩阵的边长，可以根据需要进行替换

（3）例子

当n的值为3时，结果为一个正方的3*3的单位矩阵，对角线为1，其余为0的ndarray数组

五、使用NumPy中其他函数创建ndarray数组

1.linspace函数

（1）根据起止数据等间距地填充数据，形成数组

（2）格式：

（3）代码

np.linspace（start，stop，num，endpoint=“True/False”）

（4）例1

生成起始值为1，结束值为10，同等间距的四个样本

（5）例2

2.concatenate函数

（1）将两个或多个数组合并成一个新的数组
（2）代码

np.concatenta（数组1，数组2）

（3）例

从上面已知a，b数组

3.hstack函数

（1）水平堆叠序列的数组（列方向）
（2）代码：

import numpy as np
a=np.array([[1,2],[3,4]])
print('第一个数组:')
print(a)
b=np.array([[5,6],[7,8]])
print('第二个数组:')
print(b)
print('水平堆叠：')
c=np.hstack((a,b))
print(c)

（3）结果

4.vstack函数

（1）竖直堆叠序列的数组（行方向）
（2）代码

import numpy as np
a=np.array([[1,2],[3,4]])
print('第一个数组:')
print(a)
b=np.array([[5,6],[7,8]])
print('第二个数组:')
print(b)
print('竖直堆叠:')
d=np.vstack((a,b))
print(d)

（3）结果

5.hstack函数与vstack函数对比

（1）代码

import numpy as np
a=np.array([[1,2],[3,4]])
print('第一个数组:')
print(a)
b=np.array([[5,6],[7,8]])
print('第二个数组:')
print(b)
print('水平堆叠：')
c=np.hstack((a,b))
print(c)
print('竖直堆叠:')
d=np.vstack((a,b))
print(d)

（2）结果

六、获取数组属性

（1）代码

ndarray.itemsize：数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsize属性值为8(float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节)，又如，一个元素类型为complex32的数组item属性为4（32/8）。

（2）实例

————————————————————
持续更新…