Python中Numpy的相关操作

NumPy 操作

使用NumPy，开发人员可以执行以下操作：

• 数组的算数和逻辑运算。
• 傅立叶变换和用于图形操作的例程。
• 与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。

我们要使用这个库,首先需要安装然后进行import的导入

pip install numpy

在使用pip命令时如果下载速度比较慢的时候可以使用镜像,相关的镜像文件在前文有所讲解,欢迎大家自取

如果想查看这个库的版本：

import numpy as np
np.__version__

1. 数组的创建 np.arrary()

np.array 可以把 list，tuple或者其他的序列模式的数据转创建为 ndarray，默认创建一个新的\ ndarray

注意:我们会发现原来数据里面有int, float型的数据都被转换成相同的类型了，统一转变成float型的数据了，因为Numpy是要求array里面的数据类型是一致的

2、数据生成

2.1 手写数组

a = np.array([1, 2, 3]) # 一维数组\ b = np.array([[1, 9], [9, 6]]) #二维数组

2.2 序列数组

numpy.arange(start, stop, step, dtype)

注意:此处的start是起始位置,默认值是0,一般可以不用设置;此处的stop的末尾位置,需要设置;此处的step的步数的设置,比如范围是0-10,那么如果我们设置step=2的话,那么最后取值为2,4,6,8;如果我们设置的step=的时候,那么最后返回值是0,1,2,3,4,5,6,7,8,9

使用arrage得到的值包括初始值但是不包括末尾值

2.3 随机数组

numpy.random.randint() 该方法返回[low, high)范围的随机整数。

np.random.normal 指定期望和方差的正态分布

3、数组属性查看

darray.shape 数组的维度和列，对于矩阵，n 行m 列\ ndarray.size 数组元素的总个数，相当于.shape 中n*m 的值