python介紹、安裝基礎(chǔ)知識函數(shù)文件操作-02.筆記numpy

Numpy是什么NumPy（NumericalPython的縮寫）是一個開源的Python科學計算庫。使用NumPy，就可以很自然地使用數(shù)組和矩陣。NumPy包含很多實用的數(shù)學函數(shù)，涵蓋線性代數(shù)運算、變換和隨機數(shù)生成等功能。1995年就開始開發(fā)的一個用于數(shù)組運算的庫。經(jīng)過了長時間的發(fā)展，基本上成了絕大部分Python科學計算的基礎(chǔ)包，當然也包括所有提供Python接口的深度學習框架。為什么使用對于同樣的數(shù)值計算任務(wù)，使用NumPy要比直接編寫Python代碼便捷得多。這是因為NumPy能夠直接對數(shù)組和矩陣進行操作，可以省略很NumPy中數(shù)組的效率和輸入輸出性能均遠遠優(yōu)于Python中等價的的數(shù)目成比例的。對于大型數(shù)組的運算，使用NumPy的確很有優(yōu)勢。TB級的大文件，NumPy使用內(nèi)存映射文件來處理，以達到最優(yōu)的NumPy的大部分代碼都是用CNumPy當然，NumPy也有其不足之處，由于NumPy使用內(nèi)存映射文件以達到最優(yōu)的數(shù)據(jù)讀寫性能，而內(nèi)存的大小限制了其對TB級大文件的處理；此外，NumPy數(shù)組的通用性不及Python提供的list容器。因此，在科學計算之外的領(lǐng)域，NumPy的優(yōu)勢也就不那么明顯。Numpy的安裝官網(wǎng)安裝。pip安裝。pipinstallnumpyLFD安裝，針對windows。，Anaconda科學計算的第庫，主要是安裝方便。地址 numpy基礎(chǔ)：NumPy的主要對象是同種元素的數(shù)組。這是一個所有的元素都是一種類型。在NumPy中維度(dimensions)叫做軸(axes)，軸的個數(shù)叫做秩(rank)。NumPyndarray（矩陣也叫數(shù)組）。通常被稱作數(shù)組。常用的ndarray對象屬性有：ndarray.ndim(數(shù)組軸的個數(shù),軸的個數(shù)被稱作秩)，drshpe數(shù)組的維度。這是一個指示數(shù)組在每個維度上大小的整數(shù)元組。例如一個n行msape(2,3),即維度或者ndm屬性，drsiz（shape屬性中，ndarr.dtype（通過創(chuàng)造或指定dtype使用標準PythonNumPy提供它自己的數(shù)據(jù)Numpy的數(shù)據(jù)類型importnumpyasa=np.dtype(_) 64,np.float32…Numpy內(nèi)置的特征碼int8,int16,int32,int64’i1’,‘i2’,’i4’,‘i8’代替，importnumpyasa= #’f8’,‘i4’’c16’,’a30’(30#符串),print只影響數(shù)據(jù)在底層內(nèi)存中時字節(jié)的順序，在我們實際使用python進行np.arraypython列表和元組創(chuàng)建importnumpyasa=np.array([[1,2,3],[4,5,6]],dtype=int) #a.ndim,a.size,a.dtypeimportnumpyasa=np.array([(1,2,3),(4,5,6)],dtype=float) a.ndim,a.size,a.dtype用np.arange().reshape()創(chuàng)建數(shù)組importnumpyasa=np.arange(10).reshape(2,5)25#a=a=np.array([[[1,2,3],[4,5,6],[7,8,b=np.array([[[1,2,3]],[[4,5,6]],[[7,8,importnumpyasa=b=c=print(a- #print(a+b),print(a*c)d=e=np.random.randn(2,f= print(d+f),print(e*f) #Numpynp.random.random,np.random.randn,rand生成均勻分布的偽隨機數(shù)。分布在（0~1）randn生成標準正態(tài)分布的偽隨機數(shù)（0，1）importnumpyasa=b=np.zeros((2,3))8：importnumpyasa=np.arange(10)importnumpyasnpa=arange(10)**3a[:6:2]=-a[::-foriinprinti**(1/3.)#數(shù)組的索引b=np.arange(20).reshape(5,4)b[0:5,b[:b[1:3,: #相當于b[-1,:]#b[i]中括號中的表達式被當作i和一系列: 也允許你使用“點”像b[i,...]。#點x#秩為55:x[1,2,等同于x[:,:,:,:,3]，x[4,…,5,:]等同c=np.arange(12).reshape(2,3,2) #等價于c[2][1] #等價于c[2][1][1]d=e=np.array([3,5,6])d[e]=?#通過數(shù)組索f=np.arange(12).reshape(3,g=f>4f[g]迭代數(shù)組是就第一個軸而言的h=np.arange(12).reshape(3,4)foriinh:foriinh.flat:補充：flatten()np.flatten()numpy對象，即arraymatlist列表是不行的。importnumpyasa=np.array([[1,2],[3,4],[5,b=np.mat([[1,2,3],[4,5,c=[[1,2,3],[4,5,c.flatten()ravel(),vstack(),hstack(),column_stack,row_stack,stack,split,hsplit,vsplitimportnumpyasnpa=np.arange(5)a[:,a[np.newaxis,np.tile([1,2],2)a=np.arange(10).reshape(2,5)b=c=d= #hstack：horizontalstacke= #vstack:verticalstackf=g=h=np.stack((