numpy 中文数据手册
5星 · 超过95%的资源 需积分: 50 150 浏览量
2020-06-14
23:07:35
上传
评论
收藏 6.24MB PDF 举报 
1、快速入门教程
1.1 先决条件
在阅读本教程之前，你应该了解一些Python的基础知识。如果你想复习一下请回去看看Python教程 。
如果您希望使用本教程中的示例，则还必须在计算机上安装某些软件。有关说明，请参阅
https://scipy.org/install.html 。
1.2 基础知识
NumPy的主要对象是同构多维数组。它是一个元素表（通常是数字），所有类型都相同，由非负整数
元组索引。在NumPy维度中称为
轴
。
例如，3D空间中的点的坐标 [1, 2, 1] 具有一个轴。该轴有3个元素，所以我们说它的长度为3.在下图
所示的例子中，数组有2个轴。第一轴的长度为2，第二轴的长度为3。
NumPy的数组类被调用 ndarray 。它也被别名所知 array 。请注意， numpy.array 这与标准Python
库类不同 array.array ，后者只处理一维数组并提供较少的功能。 ndarray 对象更重要的属性是：
ndarray.ndim - 数组的轴（维度）的个数。在Python世界中，维度的数量被称为rank。
ndarray.shape - 数组的维度。这是一个整数的元组，表示每个维度中数组的大小。对于有 n 行
和 m 列的矩阵， shape 将是 (n,m) 。因此， shape 元组的长度就是rank或维度的个数 ndim 。
ndarray.size - 数组元素的总数。这等于 shape 的元素的乘积。
ndarray.dtype - 一个描述数组中元素类型的对象。可以使用标准的Python类型创建或指定
dtype。另外NumPy提供它自己的类型。例如numpy.int32、numpy.int16和numpy.float64。
ndarray.itemsize - 数组中每个元素的字节大小。例如，元素为 float64 类型的数组的
itemsize 为8（=64/8），而 complex32 类型的数组的 itemsize 为4（=32/8）。它等于
ndarray.dtype.itemsize 。
ndarray.data - 该缓冲区包含数组的实际元素。通常，我们不需要使用此属性，因为我们将使用
索引访问数组中的元素。
1.2.1 一个例子
[[ 1., 0., 0.],
[ 0., 1., 2.]]
1
2
>>> import numpy as np
>>> a = np.arange(15).reshape(3, 5)
>>> a
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
>>> a.shape
(3, 5)
>>> a.ndim
2
>>> a.dtype.name
'int64'
1
2
3
4
5
6
7
8
9
10
11
12
剩余240页未读，继续阅读
资源评论
七百攻的卉卉酱2020-12-05挺号，就是官网的
