Python 科学应用库 numpy(1)

图

numpy 和 pandas

在科学运算比较重要的库 numpy 和 pandas ，假如要用 python 进行数据分析的话就会用到 numpy 和 pandas，在使用 TensorFlow 时候我们就少不了使用到 numpy ，使用 numpy 要比 python 提供数据结构 list 和 dictionary 要快和方便。

基于 python list 创立 numpy 数组

x = [0.0, 1.2, 2.3]print(type(x))xx = np.array(x)print(type(xx))

<class 'list'><class 'numpy.ndarray'>

基于输出创立 numpy 数组

创立二维数据组，通过 shape 可以查看 numpy 数组的维度，ndim 表示数组的维度。size 给出数组元素总数。

import numpy as nparray = np.array([[1,2,3],[2,3,4]])print(array)print("number of dim:",array.ndim)print("shape:",array.shape)print("size:",array.size)

输出

[[1 2 3] [2 3 4]]number of dim: 2shape: (2, 3)size: 6

大家可能注意到了输出数组，元素间并没有逗号间隔。

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

[1 2 3]

创立 np 数组时候指定数组元素数据类型

可以通过参数 dtype 给出数据元素的类型
可以通过 array 的第二个参数给数组元素指定类型

import numpy as npa = np.array([1,2,3],dtype=np.int)print(a.dtype)

int64

import numpy as npa = np.array([1,2,3],dtype=np.float32)print(a.dtype)

import numpy as npa = np.array([[1,2,3],[2,3,4]],dtype=np.float32)print(a)

numpy 数组初始化

生成一个初始值一律为 0 的矩阵

b = np.zeros((3,4))

b = np.ones((3,4),dtype=np.int16)

b = np.empty((3,4),dtype=np.int16)

[[     0      0      0 -16384] [ -4664 -31994   2041 -12288] [     2  12398  32664      0]]

a = np.arange(10,20,2)print(a)

[10 12 14 16 18]

对 numpy 数组进行修改维度

可以通过 reshape 对 numpy 数组进行修改维度（形状）

a = np.arange(12).reshape((3,4))print(a)

[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11]]

y = [1, 2, 3, 4, 5, 6, 7, 8]yy = np.array(y)Y = np.reshape(yy, (2, 4))print(Y)

import numpy as npa = np.linspace(1,10,5)print(a)

[ 1.    3.25  5.5   7.75 10.  ]