NumPy是Python中众多科学软件包的基础。它提供了一个特殊的数据类型ndarray,其在向量计算上做了优化。这个对象是科学数值计算中大多数算法的核心。下面,我们将介绍ndarray的一些基本操作。
1.创建ndarray对象
创建多维数组最简单的方法就是使用np.array函数,它接受序列型的对象(包括列表和元组)以及嵌套序列。
np.arange函数和内置的range类似,只是返回的是一个ndarray对象而不是列表。
2.基本属性:shape和dtype
ndarray对象包括了两个最基本的属性,一个是shape(表示各维度大小),一个是dtype(表示数组数据类型)。
我们可以用reshape函数改变数组的shape。常用的数组数据类型包括int32和float32,使用array创建多维数组时会自行选择合适的数据类型。当然,你可以通过astype函数显示地修改数据类型。
3.数组和标量之间的运算
ndarray的向量运算使你不用编写循环就可以对数据进行批量运算。大小相等的数组之间的任何算数运算都会将运算应用到元素级。同样,数组和标量的算数运算也会将那个标量值传播到每个元素。
除了一些简单的运算外,通用函数提供元素级的函数运算,常见的包括绝对值、平方根、指数和对数等。
4.索引和切片
和列表对象一样,ndarray提供了非常方便的索引和切片机制。对于高维度数组,你可以传入不同维度的索引来获取元素,如果省略后面的索引,则返回的对象会是一个维度低一点的ndarray对象。
同样,对于高纬度数组,你可以在一个轴或多个轴上进行切片,你甚至可以在不同轴上混合使用索引和切片操作。
另外,通过布尔型索引设置值是一种经常使用的操作。布尔型数组中的元素是布尔值,大小和需要索引的数组相同,返回布尔值为True的位置的元素生成的ndarray副本。
本文来自企鹅号 - 全球大搜罗媒体
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文来自企鹅号 - 全球大搜罗媒体
如有侵权,请联系 cloudcommunity@tencent.com 删除。