快捷導(dǎo)航

Python numpy 模塊介紹

更新時(shí)間：2022年01月24日 08:52:47 作者：盆友圈的小可愛(ài)?

這篇文章主要介紹了Python numpy 模塊，在motplotlib的學(xué)習(xí)過(guò)程中，我們使用最多的就是numpy模塊。下面我們將使用numpy進(jìn)行創(chuàng)建數(shù)組、切片、索引、廣播等功能實(shí)操,需要的朋友可以參考一下

1. numpy 簡(jiǎn)介

numpy 模塊是 Python 支持對(duì)大量數(shù)組進(jìn)行科學(xué)計(jì)算的第三方庫(kù)。

numpy 模塊在numpy官網(wǎng)文檔中詳細(xì)描述了numpy模塊提供許多對(duì)多維數(shù)組對(duì)象、矩陣快速操作快速操作的功能。

數(shù)學(xué)、邏輯、形狀操作
排序、選擇、I/O
基本線(xiàn)性代數(shù)、基本統(tǒng)計(jì)運(yùn)算、隨機(jī)模擬
廣播，字節(jié)交換

numpy 模塊為開(kāi)源代碼，目前官網(wǎng)已經(jīng)更新到1.22.0版本。

github源碼鏈接，對(duì)其源碼感興趣的兄弟們可以康康哈~

numpy 應(yīng)用場(chǎng)景

numpy 模塊通常與matplotlib（繪圖庫(kù)）一起使用。

在matplotlib繪制圖表前進(jìn)行對(duì)數(shù)據(jù)進(jìn)行計(jì)算處理。

numpy 模塊安裝

由于numpy 模塊是Python提供對(duì)數(shù)據(jù)處理的第三庫(kù)，需要使用pip install來(lái)安裝

pip install numpy

numpy 模塊使用

在代碼中，我們需要使用import 來(lái)進(jìn)行導(dǎo)入

import numpy as np

2. numpy 特點(diǎn)

numpy 模板的核心是ndarray對(duì)象,這個(gè)對(duì)象封裝同種類(lèi)型的n維數(shù)組,將許多操作留在編譯代碼中執(zhí)行，進(jìn)而提高性能。

numpy array 與 python 內(nèi)置的list區(qū)別點(diǎn)：

numpy 數(shù)組在創(chuàng)建時(shí)是固定大小，python list列表大小是動(dòng)態(tài)變化的。如果要更改ndarray的大小則是將原始數(shù)組刪除后重新創(chuàng)建新的數(shù)組
numpy 數(shù)組中元素必須是同數(shù)據(jù)類(lèi)型的，因而內(nèi)存中的大小相同。python list 可以允許不同類(lèi)型的元素存在。
numpy 數(shù)組對(duì)大量數(shù)據(jù)進(jìn)行高級(jí)數(shù)學(xué)運(yùn)算的執(zhí)行效率比Python list更高
numpy 數(shù)組在科學(xué)計(jì)算被大量使用，對(duì)目前主流的科學(xué)數(shù)學(xué)軟件都是基于此模塊。

3. numpy 常用方法

numpy 模塊善于對(duì)大量數(shù)據(jù)進(jìn)行科學(xué)計(jì)算，因此它不僅提供多維的數(shù)組對(duì)象array,還有通用函數(shù)方法等。

目前，我們此文章先介紹numpy 模塊中常用的方法哈

方法	作用
numpy.array(item)	創(chuàng)建數(shù)組對(duì)象（可創(chuàng)建N維數(shù)組）
numpy.arange(num)	創(chuàng)建等差數(shù)組
numpy.random.randn(d0,d1,…,dn)	創(chuàng)建隨機(jī)正態(tài)分布
numpy.dtype()	創(chuàng)建自定義數(shù)據(jù)類(lèi)型
numpy.random.rand(d0,d1,…,dn)	創(chuàng)建0~1的數(shù)據(jù)
numpy.random.randint(low,high)	創(chuàng)建給定范圍的隨機(jī)整數(shù)
numpy.random.random_integers(low,high)	返回給定范圍隨機(jī)整數(shù)
numpy.random.random(size)	隨機(jī)生成0,1之間的浮點(diǎn)數(shù)
numpy.random.choice(a,size)	從給定的一維數(shù)組中生成隨機(jī)數(shù)
numpy.random.seed()	提前得知隨機(jī)數(shù)據(jù)
numpy.linespcae()	創(chuàng)建線(xiàn)性數(shù)組
numpy.sort()	對(duì)數(shù)組數(shù)據(jù)進(jìn)行排序

4. 實(shí)例

本期，我們將使用numpy進(jìn)行創(chuàng)建數(shù)組、切片、索引、廣播等功能實(shí)操

# 創(chuàng)建一個(gè)三維數(shù)組
arr = np.array([[0,0,0],[2,3,9],[1,2,3]])

# numpy通過(guò)索引或者切片來(lái)訪問(wèn)，arr[start:stop:step]

print("切片a[1:]:\n",arr[1:])

# 廣播功能，兩個(gè)數(shù)組進(jìn)行?

b = np.array([2,5,7])
print("arr+b:\n",arr+b)

總結(jié)：
本期，我們對(duì)matplotlib繪圖模塊伴侶-numpy模塊進(jìn)行認(rèn)識(shí)和了解。numpy 模塊提供的數(shù)組對(duì)象讓其在多維數(shù)據(jù)數(shù)學(xué)運(yùn)算比Python內(nèi)置方法更加高效。

到此這篇關(guān)于Python numpy 模塊介紹的文章就介紹到這了,更多相關(guān)Python numpy 模塊內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: