NumPy数值计算基础（超详细的numpy使用方法）

您所在的位置：网站首页 › Python里numpy计算相关系数 › NumPy数值计算基础（超详细的numpy使用方法）

NumPy数值计算基础（超详细的numpy使用方法）

2024-07-15 22:39| 来源: 网络整理| 查看: 265

NumPy数值计算基础 NumPy是在1995年诞生的Python库Numeric的基础上建立起来的，但真正促使NumPy的发行的是Python的SciPy库。但SciPy中并没有合适的类似于Numeric中的对于基础数据对象处理的功能。于是，SciPy的开发者将SciPy中的一部分和Numeric的设计思想结合，在2005年发行了NumPy。 NumPy是Python的一种开源的数值计算扩展库。它包含很多功能，如创建n维数组（矩阵）、对数组进行函数运算、数值积分等。 NumPy的诞生弥补了这些缺陷，它提供了两种基本的对象： ndarray：是储存单一数据类型的多维数组。 ufunc：是一种能够对数组进行处理的函数。 NumPy常用的导入格式：import numpy as np 一、NumPy多维数组 1 创建数组对象

通常来说，ndarray是一个通用的同构数据容器，即其中的所有元素都需要相同的类型。利用array函数可创建ndarray数组。

（1）利用array函数创建数组对象

array函数的格式：np.array(object, dtype,ndmin)

array函数的主要参数及说明：

在这里插入图片描述

import numpy as np data1 = [1,3,5,7] #列表 w1 = np.array(data1) print('w1:',w1) data2 = (2,4,6,8) #元组 w2 = np.array(data2) print('w2:',w2) data3 = [[1,2,3,4],[5,6,7,8]] #多维数组 w3 = np.array(data3) print('w3:',w3)

在这里插入图片描述

（2）专门创建数组的函数 arange函数：创建等差一维数组格式：np.arange([start, ]stop, [step, ]dtype)

在这里插入图片描述例：`

warray = np.arange(10) print(warray) warray = np.arange(0,1,0.2) print(warray)`

在这里插入图片描述

logspace函数：创建等比一维数组格式：np.logspace(start, stop, num, endpoint=True,base=10.0, dtype=None))

logspace的参数中，start, stop代表的是10的幂,默认基数base为10，第三个参数元素个数。

warray = np.logspace(0,1,5)#生成1-10间的5个元素的等比数列 print(warray) 在这里插入图片描述

zeros函数：创建指定长度或形状的全0数组格式：np.zeros(shape, dtype=float, order=‘C’) ones函数：创建指定长度或形状的全1数组格式：np. ones(shape, dtype=None, order=‘C’) diag函数：创建一个对角阵。格式：np.diag(v, k=0) 2 ndarray对象属性和数据转换

ndarray对象属性及其说明：

在这里插入图片描述例：