共计 1344 个字符,预计需要花费 4 分钟才能阅读完成。
- 引言
本文次要介绍 Python 中专门用于数据处理的库 –Numpy, 应用它能够疾速地构建简单的矩阵操作。
闲话少说,咱们间接开始吧! - 什么是 Numpy?
Numpy 是 Numerical Python 的缩写,它蕴含多维矩阵对象和多种数据操作函数。应用 Numpy,能够不便地对数据执行数学和逻辑运算。
在 Python 中,咱们常常须要应用数组进行操作,但它们解决起来很慢。NumPy 旨在提供一个比传统 Python 列表快 50 倍的数组对象。NumPy 中的数组对象称为 ndarray,它提供了许多功能强大的函数,使得应用 ndarray 非常容易。矩阵操作在数据迷信中十分常见,同时在数据处理中,速度和资源十分重要。 - 如何装置 Numpy?
在 Python 中装置 Numpy 非常简单,只须要应用 pip 进行装置即可。相干命令如下:
pip install numpy
以下为一个介绍 Numpy 如何工作的简略例子,如下:
- Numpy 中的数据类型
Numpy 反对很多数据类型,比方 int64 代表有符号 64 位整数,float32 标识有符号 32 位浮点数。同时,Numpy 数组对象中,有一个dtype的成员变量能够返回对应数组数据的类型
- Numpy 中的数据维度
Numpy 数组对象中,有一个ndim的成员变量能够返回一个整数,用于示意矩阵的纬度。
样例代码如下:
同时,矩阵对象的成员变量shape能够示意每个维度的大小,同时成员变量size能够示意元素的个数,样例代码如下:
- Numpy 中的 Reshape
在 Numpy 中,咱们也能够扭转矩阵的形态,通常应用reshape()函数来进行操作。
示例图像如下:
样例代码如下:
- Numpy 中的切片操作
在 Python 中,切片操作通常意味着将元素从矩阵中将一个索引到另一个索引取出,咱们个别传递给切片操作的索引的模式为:[start:end]
当然咱们有时候也会定义相应的步长,模式为:[startstep]
一维矩阵示例的样例代码如下:
二维矩阵示例的样例代码如下:
- Numpy 中的转置操作
在 Numpy 中,常常应用np.transpose()函数来将一个矩阵的行和列进行转置运算。咱们来看以下例子: - Numpy 中的算术运算
在 Numpy 中,咱们能够对矩阵所有元素进行相应的算术运算。比方:
咱们能够应用 sum()函数来对矩阵中所有元素进行求和,应用min()函数来求矩阵中所有元素的最小值,同时应用max()函数来求矩阵中所有元素的最大值。
样例代码如下:
- Numpy 中的 mean()函数
在 Numpy 中,咱们当然也能够应用mean()函数来对全副或者某一纬度上的所有元素进行求平均值的操作。
样例代码如下:
- Numpy 中的 concatenate()函数
在 Numpy 中,咱们通常应用np.concatenate()函数来将一系列矩阵依照某个纬度进行拼接,就像拼积木一样,示例图像如下:
该函数的语法如下:
numpy.concatenate((arr1, arr2, …), axis=0, out=None)
同时,依照特定维度进行拼接的示例如下:
以上就是本次分享的全部内容,当初想要学习编程的小伙伴欢送关注 Python 技术大本营,获取更多技能与教程。
正文完