NumPy~学习总结（读书笔记作业）

 # windows下安装（或安装Ancaonda）

    
 pip install numpy
    
 #这里的NumPy需要小写为numpy，后面导入的时候也是这样！！！
    
    
    
    
    代码解读

 import numpy

    
 #  通常起个名字：np
    
 import numpy as np
    
    
    
    
    代码解读

 import numpy as np

    
 print(np.__version__)
    
 # 1.导包
    
 # 2.双下划线
    
    
    
    
    代码解读

    numpy.array(object, dtype = None, copy = Ture, order = None, subok = False, ndmin = 0)
    
    代码解读

 import numpy as np

    
  
    
 # 创建一个一维数组
    
 a = np.array([1,2,3])  
    
 print (a)  # [1 2 3]
    
  
    
 # 多于一个维度  
    
 a = np.array([[1,  2],  [3,  4]])  
    
 print (a)  
    
 # [[1  2] 
    
 # [3  4]]
    
  
    
 # 最小维度  
    
 a = np.array([1, 2, 3, 4, 5], ndmin =  2)  
    
 print (a)  # [[1 2 3 4 5]]
    
  
    
 # dtype 参数  
    
 a = np.array([1,  2,  3], dtype = complex)  
    
 print (a)  # [1.+0.j 2.+0.j 3.+0.j]
    
    
    
    
    代码解读

 import numpy as np

    
  
    
 a = np.array([0, 1, 2, 3, 4])
    
 # [0 1 2 3 4]
    
 """
    
 使用array函数时传递一个序列生成数组，若传递多层嵌套序列则创建一个多维数组
    
 NumPy会为新创建的数组推断一个合适的数据类型并且该参数会保存在dtype中
    
 """
    
 a.ndim  # 返回数组的维度结果为1
    
 a.shape  # 返回数组维度的大小结果为(5,)
    
 a.size  # 返回数组中元素总数结果为5
    
 a.dtype  # 返回数组元素类型结果为int32
    
 a.itemsize  # 返回数组元素的大小结果为4（字节）
    
 a.data  # 返回指向首地址的指针
    
  
    
 a = np.array((0, 1, 2, 3, 4))
    
 # [0 1 2 3 4]
    
 a = np.arange(5)
    
 # [0 1 2 3 4]
    
 a = np.linspace(0, 2*np.pi, 5)
    
 # [ 0.          1.57079633  3.14159265  4.71238898  6.28318531] 以均匀步长生成数字序列
    
  
    
 # 可以通过astype()方法转换为元素类型
    
 arr = np.array([1, 2, 3; 4, 5, 6], dtype = np.float64)  # 指定元素类型为float64型
    
 arr.astype(np.str_)  # 转换元素类型为Unicode
    
 # 输出为array(['1.0', '2.0', '3.0', '4.0', '5.0', '6.0'], dtype='<U32')
    
  
    
    
    
    
    代码解读

 imoprt numpy as np

    
  
    
 # reshape（x,y）函数第一个参数是想要转换成的行数第二个参数是想要转换成的列数
    
  
    
 a = np.array([[1,2],[2,3],[3,4]])  # a是一个三行两列的数组
    
 print(a)
    
 b = a.reshape(2,3)  # 通过reshape函数变为了两行三列的数组
    
 print(b)
    
 #a
    
 #[[1 2]
    
 #[3 4]
    
 #[5 6]]
    
  
    
 #b
    
 #[[1 2 3]
    
 #[4 5 6]]
    
    
    
    
    代码解读

    numpy.dtype(object, align, copy)
    
    代码解读

 import numpy as np

    
 # 使用标量类型
    
 a1 = np.dtype(np.int32)
    
 print(a1)  # int32
    
  
    
 # int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替
    
 a2 = np.dtype('i4')
    
 print(a2)  # int32
    
  
    
 # 将数据类型应用于 ndarray 对象
    
 a3 = np.dtype([('age',np.int8)]) 
    
 a4 = np.array([(10,),(20,),(30,)], dtype = a3) 
    
 print(a)  # [(10,) (20,) (30,)]
    
  
    
 # 类型字段名可以用于存取实际的 age 列
    
 a5 = np.dtype([('age',np.int8)]) 
    
 a6 = np.array([(10,),(20,),(30,)], dtype = a5) 
    
 print(a['age'])  # [10 20 30]
    
  
    
 # 定义一个结构化数据类型 student，包含字符串字段 name，整数字段 age，及浮点字段 marks，并将这个 # dtype 应用到 ndarray 对象。
    
 student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
    
 a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
    
 print(a)  # [('abc', 21, 50.0), ('xyz', 18, 75.0)]
    
  
    
  
    
 # 数组的 dtype 为 int8（一个字节）(ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。)
    
 x = np.array([1,2,3,4,5], dtype = np.int8)  
    
 print (x.itemsize)  # 1
    
  
    
 # 数组的 dtype 现在为 float64（八个字节） 
    
 y = np.array([1,2,3,4,5], dtype = np.float64)  
    
 print (y.itemsize)  # 8
    
    
    
    
    代码解读

    numpy.empty(shape, dtype = float, order = 'C')
    
    代码解读

 import numpy as np

    
 arr = np.empty((2.3), dtype = int, order = 'F') 
    
 print(arr) 
    
 """
    
 输出结果为：
    
 [[1740919781 1699243488]
    
  [     12290          0]
    
  [         0          0]]
    
 数组元素是内存随机给的值，因为未被初始化
    
 """
    
    
    
    
    代码解读

 numpy.zeros(shape, dtype = float, order = 'C')

    
 # 参数说明同上
    
    
    
    
    代码解读

 import numpy as np

    
  
    
 # 默认为浮点数
    
 x = np.zeros(5) 
    
 print(x)  # [0. 0. 0. 0. 0.]  （行）（中间有空格隔开）
    
  
    
 # 设置类型为整数
    
 y = np.zeros((5,), dtype = np.int) 
    
 print(y)  # [0 0 0 0 0]  （行）（中间有空格隔开）
    
  
    
 # 自定义类型
    
 z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])  
    
 print(z)
    
 """
    
 结果为：
    
 [[(0, 0) (0, 0)]
    
  [(0, 0) (0, 0)]]
    
 """
    
    
    
    
    代码解读

    numpy.ones(shape, dtype = None, order = 'C')
    
    代码解读

 import numpy as np

    
  
    
 # 默认为浮点数
    
 x = np.ones(5) 
    
 print(x)  # [1. 1. 1. 1. 1.]
    
  
    
  
    
 # 自定义类型
    
 x = np.ones([2,2], dtype = int)
    
 print(x)
    
 """
    
 [[1 1]
    
  [1 1]]
    
 """
    
    
    
    
    代码解读

    numpy.full(shape, fill_value, dtype=None, order='C')
    
    代码解读

 import numpy as np

    
 a = np.full((2, 3), 7)
    
 print(a)
    
 """
    
 [[7 7 7]
    
  [7 7 7]]
    
 """
    
    
    
    
    代码解读

 numpy.asarray(a, dtype = None, order = None)

    
 numpy.array(object, dtype = None, copy = Ture, order = None, subok = False, ndmin = 0)
    
    
    
    
    代码解读

 import numpy as np

    
  
    
 x =  [1,2,3]  # 或者是一个元组 x =  (1,2,3)  # 也可以是一个元组列表 x =  [(1,2,3),(4,5)]  
    
 a = np.asarray(x)  # 或者你可以加dtype参数:a = np.asarray(x, dtype =  float)  
    
 print (a)
    
    
    
    
    代码解读

    numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
    
    代码解读

 import numpy as np

    
  
    
 a = np.frombuffer(b'Hello World', dtype='S1')
    
 print(a)  # [b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']
    
    
    
    
    代码解读

 import numpy as np

    
 import array
    
  
    
 a = array.array('i', [1, 2, 3, 4])
    
 print(a)
    
  
    
 na = np.frombuffer(a, dtype=np.int_)  # 数据值会动态改变
    
 print(na)
    
  
    
 a[0] = 10
    
 print(a)
    
 print(na)
    
  
    
 """四个输出
    
 array('i', [1, 2, 3, 4])
    
 [1 2 3 4]
    
 array('i', [10, 2, 3, 4])
    
 [10  2  3  4]
    
 """
    
    
    
    
    代码解读

 import numpy as np

    
 import array
    
  
    
 a = array.array("i", [1, 2, 3, 4])
    
 na = np.frombuffer(a, dtype=int)
    
 print(na)
    
  
    
 a.append(5)
    
 print(na)
    
  
    
 """
    
 输出为
    
 [1 2 3 4]
    
 [140896288       381         3         4]  # 出错啦！
    
 """
    
    
    
    
    代码解读

    numpy.fromiter(iterable, dtype, count=-1)
    
    代码解读

 import numpy as np

    
  
    
 # 使用 range 函数创建列表对象  
    
 list=range(5)
    
 it=iter(list)
    
  
    
 # 使用迭代器创建 ndarray 
    
 x=np.fromiter(it, dtype=float)
    
 print(x)  # 结果是 [0. 1. 2. 3. 4.]
    
    
    
    
    代码解读

 import numpy as np

    
  
    
 iterable = (x * x for x in range(5))
    
 a = np.array(iterable)
    
 print(a)  # 结果是 <generator object <genexpr> at 0x000000001442DD00>
    
    
    
    
    代码解读