《专题》numpy科学计算基础库——精细化讲解 ＜1＞

标签：精细化 创建 元素 生成 shape 数组 科学计算 numpy

一、什么是numpy库

        Numpy(Numerical Python) 是科学计算基础库，提供大量科学计算 相关功能，比如数据统计，随机数生成等。其提供最核心类型为多维数组类型（ndarray），支持大量的维度数组与矩阵运算， Numpy支持向量处理ndarray对象，提高程序运算速度。

二、安装numpy库

1、通过pip直接安装

pip install numpy

2、安装pandas库也可以，因为安装pandas库的时候会自动帮你安装numpy库

pip install pandas

3、使用jupyter notebook 编写代码

        使用方法：直接在pycharm的终端页面输入jupyter notebook,输入以后点击回车，即可打开使用页面，此时页面中的内容就是pycharm存放代码的位置，因为pycharm社区版没有jupyter功能，其文件后缀名为.ipynb

打开以后点击右侧（new）然后再点击第一条Python3打开页面，更改文件名可以在左上角找到rename即可。

jupyter notebook方便进行数据的处理，其可以对每一步都做出运行，每输入一行，长按shift+回车即可运行当前行代码，并进入下一行

三、使用numpy库函数

1、arange创建数组        

        该函数可以传入一个整数类型的参数n，函数返回值看着像一个列表，其实返回值类型是numpy.ndarray，这是 Numpy 中特有的数组类型。如果传入arange 函数的参数值是 n ，那么 arang 函数会返回 0到n-1 的ndarray类型的数组。 其使用方法如下：

例如：

上述则是一个一维数组

同样也可以生成一个二维数组：

2、array函数:生成多维数组

        array函数可以生成多维数组，如果要生成一个二维数组，需要向array函数传递一个列表类型的参数。每一个列表元素是一维的ndarray类型数组，作为二维数组的行。另外，通过ndarray类的shape属性可以获得数组每一维的元素个数（元组形式），也可以通过shape[n]形式获得每一维的元素个数，其中n是维度，从0开始。

其书写格式如下：

numpy.array(object, dtype = None, copy =True, order = None, subok = False, ndmin = 0)

如图所示即为一个二维数组（两个中括号），

其同样可以生成一个多维数组，图示为三维数组，但是括号内需要齐次

2.1 shape

如图输出的内容说明这个数组是两行三列的,如果在shape后加个中括号shape[0]，则说明输出这个二维数组第一维的元素个数

即图示为三行四列元素，shape[0]输出第一维的元素个数，shape[1]输出第二位的元素个数

2.2  ndmin:用于指定生成的数组的最小维数

其生成一个三维数组

2.3 dtype: 是用于指定数组数据类型的参数

float64表示数组中的元素类型是64位浮点数（双精度浮点数）

3、random:生成随机数

3.1、random.random : 0.0-1.0之间的随机小数

        其中size为一个值时表示一维这个数字个数的随机数，(a,b),则表示二维a行b列，以此类推

3.2、random.randint：随机整数

        下图表示生成4以内的随机整数

        下图表示生成[4,6)之间的随机整数

        下图表示生成[4,10)之间的整数3个，并生成一个一维数组

3.3  randn(d0,d1,…,dn): 正态分布

        randn函数返回一个或一组样本，具有标准正态分布（期望为0，方差为1）

        dn表格每个维度,返回值为指定维度的数组 下图表示随机生成2行3列二维数组，其满足正态分布

3.4 normal 指定期望和方差生成正态分布

下列为随机生成平均值（期望）loc为10，方差为1的3行4列二维数组

3.5  ndarray 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。

其对象属性如下：

如下图即可展示:

4、zeros创建：创建指定大小的数组，数组元素以 0 来填充

        例如下列，创建一个3行4列的二维数组：

4.1 zeros_like:根据传入的数组形状创建全为0的数组

5、ones创建：创建指定形状的数组，数组元素以 1 来填充。

5.1 ones_like():根据传入的数组形状创建全为1的数组

6、empyt创建

        创建一个指定形状（shape ）、数据类型（ dtype ）且未初始化的数 组，里面的元素的值是之前内存的值：

7、full()创建：

        创建全为某个指定值的数组 即创建2行2列的全为1的数组

8、add

        用于执行元素级加法的函数。它可以用来将两个数组中对应位置的元素相加，并返回一个新的数组，新数组的每个元素都是对应位置上两个输入数组元素的和

类似于a+b

9、eye / identity 创建单位矩阵

        单位矩阵从左上角到右下角的对角线上的元素均为1, 除此以外全都为0 。任何矩阵与单位矩阵相乘都等于本身，而且单位矩阵因此独特性在高等数学中也有广泛应用。

10、linspace创建：等差数列

linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

1开始10结束，包含1和10，生成个数10个元素的等差数列一维数组,其中步距为1

11、logspace创建:等比数列

格式如下：

如下图所示

2开始，256结尾，endpoint默认结尾为True包含结尾，个数为numa为16个，对数的底数base为2,默认base为10

标签：精细化,创建,元素,生成,shape,数组,科学计算,numpy
From： https://blog.csdn.net/qq_64603703/article/details/140643239