东莞网站建设方案外包城市门户网站建设

1.Numpy介绍

1.1数据类型

为克服列表的缺点，一个NumPy数组 只容纳一种数据类型，以节约内存。
为方便起见，可将NumPy数组简单分为整数型数组与浮点型数组。

1.2.实际操作

• 想要使用numpy，需要有import numpy as np类似头文件的操作
• 使用np.array()函数把list转变为numpy数组

• 如果有一个元素是浮点型，那么整个numpy数组就会变成浮点型数组

1.3 同化操作

1.4 类型转换------np.astype(想要转换的类型)

当然，运算也会导致numpy数组发生转型。例如：

2.数组维度

2.1 numpy.shape()--------查看数组的维度

2.2 numpy.reshape()--------重塑数组的维度

3.数组的创建

1.list转换为numpy数组----------np.array()

2.创建递增数组，和list类似------------np.arange()

3.创建同值数组------------np.zeros()【全为0】/np.ones()【全为1】

• 如果想创建其他数值，可以用 该数值*np.ones(形状)。

4.创建随机数组------------np.random()

1.np.random.random()------0-1均匀分布的浮点型随机数组

• 那么如果我想要生成范围为60-100的形状为3行3列的浮点数组怎么办呢？

• 前面的（100-60）*代表生成0-40的浮点型数组，最后加60，就是60-100的数组啦。

2.np.random.randint(起点，终点，（形状）)------均匀分布的整数型随机数组

• 当然，使用前一种方法也可以生成，不过要记得使用.astype(int)

3.np.random.normal(均值，标准差，（形状）)------正态分布的浮点型随机数组

4.访问数组元素

1.数组索引

• 和list一致，不多作解释

2.花式索引

• 注意，花式索引是有两层【】的，普通索引只有一层

3.numpy数组的切片

---

---

4.矩阵的切片

---

• 跳跃取样

1.获取矩阵的行

• 而单独提取行的时候可以简写，如下所示：

• 直接使用 numpy[行号] 即可。

2.获取矩阵的列

• 想把一维数组再变回二维就用reshape（（行，列））==------------------记得有两对括号

3.切片仅是视图，不创建新变量，仅在原数组处修改

4.numpy数组之间的赋值都是绑定------类似指针，都指向同一块内存空间，不产生新空间

5.数组的变形

1.矩阵的转置

• 注意，.T只对矩阵即二维数组有用，所以一维数组需要先.reshape((行，列))升级为二维数组。