numpy是什么模块,简单描述一下numpy模块的用途

　　本文已经给大家带来了一些关于python的知识，主要是关于numpy模块的相关问题。Numpy是Numerical Python extensions的缩写，字面意思是Python数值计算扩展。下面就来看看吧，希望对你有帮助。

一、array类型

numpy的数组类型是这个库的基本数据类型。这种数据类型的字面意思是数组，这意味着它最关键的属性是元素和维度。我们可以用这种数据类型来实现多维数组。

　　因此，对于这种数据类型，我们可以使用一维数组来表示向量，二维数组表示矩阵，并以此类推以用来表示更高维度的张量。.

1.1array类型的基本使用

将numpy作为np导入

　　#通过np.array()方法创建一个名为array的数组类型，参数是一个列表

　　array=np.array([1，2，3，4])

　　打印(数组)

　　#结果是：[1 2 3 4]

　　#获取数组中元素的最大值

　　print(array.max())

　　#结果是：4

　　#获取数组中元素的最小值

　　print(array.min())

　　#结果是：1

　　#获取数组中元素的平均值

　　print(array.mean())

　　#结果是：2.5

　　#直接将数组乘以2，python将每个元素乘以2

　　打印(数组*2)

　　#结果是：[2 4 6 8]

　　打印(数组1)

　　#结果是：[2 3 4 5]

　　打印(数组/2)

　　#结果是：[0.5 1。1.5 2.]

　　#将每个元素除以2，得到用浮点数表示的结果。

　　打印(数组% 2)

　　#结果是：[1 0 1 0]

　　array_1=np.array([1，0，2，0])

　　#获取这组数据中元素值最大的数据的第一个索引，下标从0开始。

　　print(array_1.argmax())

　　#结果是：2通过上面的代码，我们可以学习Numpy中数组类型的基本用法。

　　正如我们所见，array其实是一个类，通过传入一个list参数来实例化为一个对象，从而实现了对数据的封装。

1.2对更高维度数据的处理

将numpy作为np导入

　　#创建一个二维数组来表示一个3行2列的矩阵

　　array=np.array([[1，2]，[3，4]，[5，6]])

　　打印(数组)

　　#检查数据的维度属性。以下输出结果(3，2)表示3行2列。

　　打印(数组.形状)

　　#结果是：(3，2)

　　#检查元素的数量

　　print(array.size)

　　#结果是：6

　　#查看元素最大值的索引

　　print(array.argmax())

　　#结果是：5

　　#将shape (3，2)的数组转换为单线表示

　　print(array.flatten())

　　#结果是：[

　　1 2 3 4 5 6]

　　# 我们可以看到，flatten()方法是将多维数据“压平”为一维数组的过程

　　#将array数据从shape为（3，2）的形式转为（2，3）的形式

　　print(array.reshape(2, 3))

　　'''结果为：

　　[[1 2 3]

　　 [4 5 6]]'''

　　#将array数据从shape为（3，2）的形式转为（1，6）的形式

　　print(array.reshape(1, 6))

　　# 结果为：[[1 2 3 4 5 6]]高级一点的就是flatten()和reshape()函数了，需要注意下reshape()返回的结果是array类型

1.3Numpy创建特殊类型的array类型

1.3.1生成全为0或全为1的array

import numpy as np

注意：如果将（2，3，3）改为（3，3）

　　
array_zeros = np.zeros((3, 3))
其生成的是3行3列的array

　　

1.3.2np.arrange()和np.linspace()

arange([start,] stop[, step,], dtype=None, , like=None)

　　

返回给定间隔内均匀分布的值。值在半开区间``[start, stop)``（换句话说，包括`start`但不包括`stop`的区间）内生成。对于整数参数，该函数等效于 Python 内置的 `range` 函数，但返回的是 ndarray 而不是列表。当使用非整数步长（例如 0.1）时，结果通常会不一致。对于这些情况，最好使用 `numpy.linspace`。

linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

　　

在指定的时间间隔内返回均匀分布的数字。返回“num”个均匀分布的样本，在区间 [`start`, `stop`] 上计算。

start：序列的起始值。

　　stop：序列的结束值，除非 `endpoint` 设置为 False。在这种情况下，序列由除最后一个“num + 1”个均匀分布的样本之外的所有样本组成，因此排除了“stop”。请注意，当 `endpoint` 为 False 时，步长会发生变化。
　　num=50：要生成的样本数。默认值为 50。必须为非负数。
　　endpoint=True：如果为真，`stop` 是最后一个样本。否则，不包括在内。默认为真。
　　retstep=False：如果为 True，则返回 (`samples`, `step`)，其中 `step` 是样本之间的间距。
　　dtype=None：输出数组的类型。如果 `dtype` 没有给出，数据类型是从 `start` 和 `stop` 推断出来的。推断的 dtype 永远不会是整数；即使参数会产生一个整数数组，也会选择`float`。
　　

因此以下代码就很容易理解了

# 生成一个array，从0递增到10，步长为1

1.4Numpy基础计算演示

import numpy as np

二、线性代数相关

前面我们已经了解到array类型及其基本操作方法，了解array类型可以表示向量、矩阵和多维张量。

　　线性代数计算在科学计算领域中非常重要，因此接下来了解以下Numpy提供的线性代数操作

import numpy as np

三、矩阵的高级函数-随机数矩阵

Numpy除了为我们提供常规的数学计算函数和矩阵相关操作之外，还提供很多功能丰富的模块，随机数模块就是其中一部分。

　　利用随机数模块可以生成随机数矩阵，比python自带的随机数模块功能还要强大。

import numpy as np

推荐学习：python视频教程以上就是详细介绍python的numpy模块的详细内容，更多请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。