2.7 KiB
2.7 KiB
NumPy的应用
Numpy是一个开源的Python科学计算库，用于快速处理任意维度的数组。Numpy支持常见的数组和矩阵操作，对于同样的数值计算任务，使用NumPy不仅代码要简洁的多，而且NumPy的性能远远优于原生Python，基本是1个到2个数量级的差距，而且数据量越大，NumPy的优势就越明显。
Numpy最为核心的数据类型是ndarray，使用ndarray可以处理一维、二维和多维数组，该对象相当于是一个快速而灵活的大数据容器。NumPy底层代码使用C语言编写，解决了GIL的限制，ndarray在存储数据的时候，数据与数据的地址都是连续的，这样就给使得批量操作速度很快，远远优于Python中的list；另一方面ndarray对象提供了更多的方法来处理数据，尤其是和统计相关的方法，这些方法也是Python原生的list没有的。
安装和导入NumPy
-
安装
pip install numpy -
导入
import numpy as np说明：如果已经启动了Notebook但尚未安装NumPy，可以在单元格中输入
!pip install numpy并运行该单元格来安装NumPy，安装成功后记得重启Notebook内核来使新安装的库生效。
创建数组对象
- 一维数组
- 方法一：使用array函数，通过list创建数组对象
- 方法二：使用arange函数，指定取值范围创建数组对象
- 方法三：使用linspace函数，用指定范围均匀间隔的数字创建数组对象
- 方法四：使用numpy.random模块的函数生成随机数创建数组对象
- 二维数组
- 方法一：使用array函数，通过嵌套的list创建数组对象
- 方法二：使用zeros、ones、full函数指定数组的形状创建数组对象
- 方法三：使用eye函数创建单位矩阵
- 方法四：通过reshape将一维数组变成二维数组
- 方法五：通过numpy.random模块的函数生成随机数创建数组对象
- 多维数组：跟上面的情况相似，可以通过下面的例子进行了解。
数组对象的属性
- size属性：数组元素个数
- itemsize属性：数组单个元素占用内存空间的字节数
- shape属性：数组的形状
- dtype属性：数组元素的数据类型
- ndim属性：数组的维度
- flat属性：数组（一维化之后）元素的迭代器
- nbytes属性：数组所有元素占用内存空间的字节数
- base属性：数组的基对象（如果数组共享了其他数组的内存空间）
数组对象的方法
常用方法
统计方法
####其他方法