目錄

一 Numpy(Numerical Python)

1. Numpy 是什么

2. Numpy 的主要用途

二 Numpy 數(shù)組 VS Python 列表

三 Numpy 數(shù)據(jù)類(lèi)型和屬性

1. 數(shù)據(jù)類(lèi)型

（1）了解數(shù)據(jù)類(lèi)型

（2）代碼示例

2. 數(shù)組屬性

（1）一般數(shù)組屬性

（2）代碼示例

四 廣播和矢量化

1. 對(duì)不同維度的數(shù)組進(jìn)行加法運(yùn)算

?2. 對(duì)不同維度的數(shù)組進(jìn)行乘法運(yùn)算

五 結(jié)束語(yǔ)

六 參考鏈接

---

一 Numpy(Numerical Python)

1. Numpy 是什么

Numpy 是 Python 語(yǔ)言進(jìn)行科學(xué)計(jì)算的一個(gè)基礎(chǔ)拓展程序包，它支持大量的維度數(shù)組和矩陣運(yùn)算，并且也提供了大量的數(shù)學(xué)函數(shù)庫(kù)來(lái)進(jìn)行數(shù)組運(yùn)算。它是一個(gè)運(yùn)行速度非常快的數(shù)學(xué)庫(kù)，主要用于數(shù)組計(jì)算，包含：

• 一個(gè)強(qiáng)大的N維數(shù)組對(duì)象 ndarray
• 廣播功能函數(shù)
• 整合 C/C++/Fortran 代碼的工具
• 線性代數(shù)、傅里葉變換、隨機(jī)數(shù)生成等功能

2. Numpy 的主要用途

Numpy 與 Matplotlib（Python 繪圖庫(kù) Matplotlib） 等第三方庫(kù)結(jié)合起來(lái)一起使用，提供了一個(gè)強(qiáng)大的科學(xué)數(shù)學(xué)計(jì)算環(huán)境，便于我們學(xué)習(xí)數(shù)據(jù)科學(xué)或者機(jī)器學(xué)習(xí)。

二 Numpy 數(shù)組 VS Python 列表

（1）Numpy 專(zhuān)門(mén)對(duì)數(shù)組的操作和運(yùn)算進(jìn)行了設(shè)計(jì)，存儲(chǔ)效率和輸入輸出性能遠(yuǎn)遠(yuǎn)大于列表中的嵌套式運(yùn)算，當(dāng)數(shù)組的維度越大時(shí)，Numpy的優(yōu)勢(shì)更加明顯。

（2）兩者都可以對(duì)多維的數(shù)組進(jìn)行操作，Numpy 中的 ndarray 是一個(gè)龐大的數(shù)據(jù)容器，可以輕松處理多維數(shù)組；列表通過(guò)嵌套進(jìn)行多維數(shù)組的操作。

（3）Numpy 中的數(shù)組元素必須都是同質(zhì)的，列表中的元素類(lèi)型可以是多樣的，因此列表的通用性能強(qiáng)于 Numpy，但在進(jìn)行科學(xué)計(jì)算時(shí)，Numpy 的代碼更為簡(jiǎn)單。

三 Numpy 數(shù)據(jù)類(lèi)型和屬性

1. 數(shù)據(jù)類(lèi)型

（1）了解數(shù)據(jù)類(lèi)型

Numpy 中的一般數(shù)據(jù)類(lèi)型如下面的表格所示：
?

Numpy中的數(shù)據(jù)類(lèi)型

數(shù)據(jù)類(lèi)型	描述
bool_	布爾數(shù)據(jù)類(lèi)型（True或者False）
int_	默認(rèn)的整數(shù)類(lèi)型
intc	與C的int類(lèi)型一樣，一般是int32或者int64
intp	用于索引的整數(shù)類(lèi)型
int8/int16/int32/int64	有符號(hào)整數(shù)
uint8/uint16/uint32/uint64	無(wú)符號(hào)整數(shù)
float_	float64類(lèi)型的簡(jiǎn)寫(xiě)
float16	半精度類(lèi)型：1個(gè)符號(hào)位，5個(gè)指數(shù)位，10個(gè)尾數(shù)位
float32	單精度類(lèi)型：1個(gè)符號(hào)位，8個(gè)指數(shù)位，23個(gè)尾數(shù)位
float64	雙精度類(lèi)型：1個(gè)符號(hào)位，11個(gè)指數(shù)位，52個(gè)尾數(shù)位
complex_	complex128的簡(jiǎn)寫(xiě)，即128位復(fù)數(shù)
complex64	64位復(fù)數(shù)，表示雙32位浮點(diǎn)數(shù)（實(shí)數(shù)與虛數(shù)部分）
complex128	128位復(fù)數(shù)，表示雙64位浮點(diǎn)數(shù)（實(shí)數(shù)與虛數(shù)部分）

（2）代碼示例

一般使用?np.dtype() 語(yǔ)句可以對(duì)數(shù)據(jù)的類(lèi)型、大小、字節(jié)順序等進(jìn)行描述：

""" Author:XiaoMa date:2021/12/30 """ import numpy as npdt = np.dtype(np.int32)#使用標(biāo)量標(biāo)簽 print(dt)dt = np.dtype('i1')#int8, int16, int32, int64 四種數(shù)據(jù)類(lèi)型可以使用字符串 'i1', 'i2','i4','i8' 代替 print(dt)dt = np.dtype('<i1')#字節(jié)順序是通過(guò)對(duì)數(shù)據(jù)類(lèi)型預(yù)先設(shè)定 < 或 > 來(lái)決定的。 < 意味著小端法(最小值存儲(chǔ)在最小的地址，即低位組放在最前面)。> 意味著大端法(最重要的字節(jié)存儲(chǔ)在最小的地址，即高位組放在最前面)。 print(dt)#-------------------- #結(jié)構(gòu)化數(shù)據(jù)類(lèi)型的使用 #-------------------- dt = np.dtype([('age', 'i1')])#創(chuàng)建結(jié)構(gòu)化數(shù)據(jù)類(lèi)型 print(dt)a = np.array([(10,), (20,), (30,)], dtype = dt)#將數(shù)據(jù)類(lèi)型應(yīng)用于數(shù)組對(duì)象 print(a) print(a['age'])#類(lèi)型字段名可用于存取實(shí)際的 age 列 #----------------------------------------------------- #創(chuàng)建一個(gè)student結(jié)構(gòu)，用來(lái)記錄學(xué)生的姓名、成績(jī)、年齡。 #----------------------------------------------------- student = np.dtype([('name', 'S8'), ('age', 'i1'), ('marks', 'f')]) a = np.array([('XiaoMa', '21', '99.9'), ('XiaoYang', '20', '98.8'), ('XiaoWang', '21', '97.7')], dtype = student) print(a)

得到輸出如下：
?在 python3 中 b' ' 代表字符串屬于 bytes 類(lèi)型，詳細(xì)的介紹可以參考文章下方的鏈接。?

2. 數(shù)組屬性

（1）一般數(shù)組屬性

在 Numpy 中數(shù)組的每一個(gè)線性的維度稱(chēng)為一個(gè)軸(axis)，即軸代表一個(gè)一維數(shù)組。當(dāng)我們對(duì)著 axis = 0 進(jìn)行操作時(shí)，就是對(duì)數(shù)組的每一列元素進(jìn)行操作；對(duì) axis = 1進(jìn)行操作時(shí)，就是對(duì)著數(shù)組的每一行元素進(jìn)行操作。

在 Numpy 中數(shù)組的維度的數(shù)目稱(chēng)為秩(rank)，也就是數(shù)組中的軸的數(shù)目，比如一維數(shù)組的秩為1，二維數(shù)組的秩為2。

numpy.ndarray 中的一些重要的對(duì)象屬性如下：

ndarray.ndim: 秩，即維度或者軸的數(shù)目

ndarray.shape: 數(shù)組的維度，對(duì)于矩陣來(lái)說(shuō)n行m列

ndarray.size: 數(shù)組中的元素的個(gè)數(shù)，即 n*m

ndarray.dtype: 數(shù)組對(duì)象的元素類(lèi)型

ndarray.itemsize: 每一個(gè)元素的大小，以字節(jié)為單位

ndarray.flags: 數(shù)組對(duì)象的內(nèi)存信息

ndarray.real: 數(shù)組對(duì)象的實(shí)部

ndarray.imag: 數(shù)組對(duì)象的虛部

（2）代碼示例

""" Author:XiaoMa date:2021/12/30 """ import numpy as np#------------------- #Numpy 中的數(shù)據(jù)屬性 #------------------- a = np.arange(24) print(a.ndim)#打印a的秩，目前a的維度只有1a = a.reshape(2, 4, 3)#調(diào)整a的結(jié)構(gòu)形狀 print(a.ndim)a = np.array([[1, 2, 3], [4, 5, 6]]) print(a.shape)#使用 .shape 打印數(shù)組的行數(shù)和列數(shù)a.shape = (3, 2)#使用 .shape 來(lái)改變數(shù)組的1形狀 print(a)x = np.array([1, 2, 3, 4, 5], dtype = np.int8)#數(shù)組的數(shù)據(jù)類(lèi)型為 int8（一個(gè)字節(jié)） print(x.itemsize)#打印字節(jié)數(shù)，為1y = np.array([1, 2, 3, 4, 5], dtype = np.float64)# 數(shù)組的數(shù)據(jù)類(lèi)型為 float64（八個(gè)字節(jié)） print(y.itemsize)#打印字節(jié)數(shù)，為8print(x.flags)#打印數(shù)組元素的內(nèi)存信息

得到的結(jié)果如下：

四 廣播和矢量化

當(dāng)使用 Numpy 對(duì)不同形狀的數(shù)組進(jìn)行數(shù)值計(jì)算時(shí)，在相應(yīng)的元素上進(jìn)行對(duì)相應(yīng)的數(shù)組元素的算術(shù)計(jì)算，這就被稱(chēng)為 Numpy 廣播，如：

1. 對(duì)不同維度的數(shù)組進(jìn)行加法運(yùn)算

a0 = np.array([[1, 2, 3], [4, 5, 6]]) a1 = np.array([[1, 0, 0]]) print(a0 + a1)

得到輸出：
?就是將一維數(shù)組加到了多維數(shù)組的每一個(gè)維度上

?2. 對(duì)不同維度的數(shù)組進(jìn)行乘法運(yùn)算

a0 = np.array([[1, 2, 3], [4, 5, 6]]) a1 = np.array([[1, 0, 0]]) print(a0*a1)

得到輸出：

?可以看出，運(yùn)算形式和加法是一樣的，將會(huì)自行拓展與每一個(gè)維度相乘。

五 結(jié)束語(yǔ)

本篇博文主要簡(jiǎn)單介紹了 Python 語(yǔ)言中的科學(xué)計(jì)算基礎(chǔ)庫(kù) Numpy 中的數(shù)據(jù)類(lèi)型、數(shù)組屬性以及矢量化運(yùn)算，并加以代碼實(shí)現(xiàn)加強(qiáng)理解。?

六 參考鏈接

python列表和Numpy數(shù)組的區(qū)別

菜鳥(niǎo)教程

python中 r'', b'', u'', f'' 的含義

Bytes類(lèi)型

總結(jié)

以上是生活随笔為你收集整理的Python 科学计算库 Numpy（一）—— 概述的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。