- numpy学习总结
- 1、numpy安装
- 1.pip安装
- 2.解释器中安装
- (1)先添加清华源：https://pypi.tuna.tsinghua.edu.cn/simple/
- （2）搜索numpy并安装
- 3.Linux下安装
- 4.**Mac 系统**
- 2、numpy对象
- 3、numpy支持的数据类型
- 4、numpy的初级应用
- 1.np.array应用：
- 5、numpy 切片和索引
- 1.切片：本质和list的切片操作一样
- 冒号 **:** 的解释：如果只放置一个参数，如 **[2]**，将返回与该索引相对应的单个元素。如果为 **[2:]**，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 **[2:7]**，那么则提取两个索引(不包括停止索引)之间的项。
- 省略号 **…**，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。
- 重点是多维数组的切片操作：
pip3 install numpy scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple(国外太慢直接用清华源)2.解释器中安装 (1)先添加清华源：https://pypi.tuna.tsinghua.edu.cn/simple/ （2）搜索numpy并安装 3.Linux下安装
Ubuntu & Debian： sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose CentOS/Fedora： sudo dnf install numpy scipy python-matplotlib ipython python-pandas sympy python-nose atlas-devel4.Mac 系统
Mac 系统的 Homebrew 不包含 NumPy 或其他一些科学计算包，所以可以使用以下方式来安装： pip3 install numpy scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple2、numpy对象
NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。
ndarray 内部由以下内容组成：
- 一个指向数据（内存或内存映射文件中的一块数据）的指针。
- 数据类型或 dtype，描述在数组中的固定大小值的格子。
- 一个表示数组形状（shape）的元组，表示各维度大小的元组。
- 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。
| 名称 | 描述 |
|---|---|
| bool_ | 布尔型数据类型（True 或者 False） |
| int_ | 默认的整数类型（类似于 C 语言中的 long，int32 或 int64） |
| intc | 与 C 的 int 类型一样，一般是 int32 或 int 64 |
| intp | 用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64） |
| int8 | 字节（-128 to 127） |
| int16 | 整数（-32768 to 32767） |
| int32 | 整数（-2147483648 to 2147483647） |
| int64 | 整数（-9223372036854775808 to 9223372036854775807） |
| uint8 | 无符号整数（0 to 255） |
| uint16 | 无符号整数（0 to 65535） |
| uint32 | 无符号整数（0 to 4294967295） |
| uint64 | 无符号整数（0 to 18446744073709551615） |
| float_ | float64 类型的简写 |
| float16 | 半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位 |
| float32 | 单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位 |
| float64 | 双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位 |
| complex_ | complex128 类型的简写，即 128 位复数 |
| complex64 | 复数，表示双 32 位浮点数（实数部分和虚数部分） |
| complex128 | 复数，表示双 64 位浮点数（实数部分和虚数部分） |
import numpy as np a = np.array([1, 2, 3]) #创建初始化为[1，2，3]的numpy的数组 b = np.array([[1, 2], [3, 4]]) print (a) print (b) # 输出结果 # [1 2 3] # [[1 2] # [3 4]]5、numpy 切片和索引 1.切片：本质和list的切片操作一样 冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。 省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。 重点是多维数组的切片操作：
例：
import numpy as np a = np.array([[1,2,3],[3,4,5],[4,5,6]]) print (a[...,1]) # 行不用管，第2列元素 print (a[1,...]) # 第2行元素，列不用管 print (a[...,1:]) # 第2列及剩下的所有元素 # 输出结果为： # [2 4 5] # [3 4 5] # [[2 3] # [4 5] # [5 6]]
未完待续……
