没有合适的资源？快使用搜索试试~ 我知道了~

文库首页后端Pythonnumpy中文文档

numpy中文文档

numpy

python

4星 · 超过85%的资源需积分: 49 210 下载量 85 浏览量 2018-11-15 17:41:24 上传评论 5 收藏 476KB PDF 举报

温馨提示

试读

35页

numpy的中文文档，介绍了numpy的所有方法，可供平时查阅

资源推荐

资源详情

资源评论

NumPy 的详细教程(官网手册翻译)

基础篇

NumPy 的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正

整数元组索引的元素表格(通常是元素是数字)。在 NumPy 中维度(dimensions)叫做轴

(axes)，轴的个数叫做秩(rank)。

例如，在 3D 空间一个点的坐标 [1,2,3] 是一个秩为 1 的数组，因为它只有一个轴。那个

轴长度为 3.又例如，在以下例子中，数组的秩为 2(它有两个维度).第一个维度长度为 2,第二个

维度长度为 3.

1. [[1.,0.,0.],

2. [0.,1.,2.]]

NumPy 的数组类被称作 ndarray。通常被称作数组。注意 numpy.array 和标准 Python 库类

array.array 并不相同，后者只处理一维数组和提供少量功能。更多重要 ndarray 对象属性有：



ndarray.ndim

数组轴的个数，在 python 的世界中，轴的个数被称作秩

 ndarray.shape

数组的维度。这是一个指示数组在每个维度上大小的整数元组。例如一个 n 排 m 列的矩

阵，它的 shape 属性将是(2,3),这个元组的长度显然是秩，即维度或者 ndim 属性

 ndarray.size

数组元素的总个数，等于 shape 属性中元组元素的乘积。

 ndarray.dtype

一个用来描述数组中元素类型的对象，可以通过创造或指定 dtype 使用标准 Python 类

型。另外 NumPy 提供它自己的数据类型。

 ndarray.itemsize

数组中每个元素的字节大小。例如，一个元素类型为 float64 的数组 itemsiz 属性值为

8(=64/8),又如，一个元素类型为 complex32 的数组 item 属性为 4(=32/8).

 ndarray.data

包含实际数组元素的缓冲区，通常我们不需要使用这个属性，因为我们总是通过索引来

使用数组中的元素。

一个例子

1. >>>fromnumpyimport*

2. >>>a=arange(15).reshape(3,5)

3. >>>a

4. array([[0,1,2,3,4],

5. [5,6,7,8,9],

6. [10,11,12,13,14]])

7. >>>a.shape

8. (3,5)

9. >>>a.ndim

10. 2

11. >>>a.dtype.name

12. 'int32'

13. >>>a.itemsize

14. 4

15. >>>a.size

16. 15

17. >>>type(a)

18. numpy.ndarray

19. >>>b=array([6,7,8])

20. >>>b

21. array([6,7,8])

22. >>>type(b)

23. numpy.ndarray

创建数组

有好几种创建数组的方法。

例如，你可以使用 array 函数从常规的 Python 列表和元组创造数组。所创建的数组类型由

原序列中的元素类型推导而来。

1. >>>fromnumpyimport*

2. >>>a=array([2,3,4])

3. >>>a

4. array([2,3,4])

5. >>>a.dtype

6. dtype('int32')

7. >>>b=array([1.2,3.5,5.1])

8. >>>b.dtype

9. dtype('float64')一个常见的错误包括用多个数值参数调用`arr

ay`而不是提供一个由数值组成的列表作为一个参数。

10. 

11. >>>a=array(1,2,3,4)#WRONG

12. 

13. >>>a=array([1,2,3,4])#RIGHT

数组将序列包含序列转化成二维的数组，序列包含序列包含序列转化成三维数组等等。

1. >>>b=array([(1.5,2,3),(4,5,6)])

2. >>>b

3. array([[1.5,2.,3.],

4. [4.,5.,6.]])

数组类型可以在创建时显示指定

1. >>>c=array([[1,2],[3,4]],dtype=complex)

2. >>>c

3. array([[1.+0.j,2.+0.j],

4. [3.+0.j,4.+0.j]])

通常，数组的元素开始都是未知的，但是它的大小已知。因此，NumPy 提供了一些使用占位

符创建数组的函数。这最小化了扩展数组的需要和高昂的运算代价。

函数 function 创建一个全是 0 的数组，函数 ones 创建一个全 1 的数组，函数 empty

创建一个内容随机并且依赖与内存状态的数组。默认创建的数组类型(dtype)都是 float64。

1. >>>zeros((3,4))

2. array([[0.,0.,0.,0.],

3. [0.,0.,0.,0.],

4. [0.,0.,0.,0.]])

5. >>>ones((2,3,4),dtype=int16)#dtypec

analsobespecified

6. array([[[1,1,1,1],

7. [1,1,1,1],

8. [1,1,1,1]],

9. [[1,1,1,1],

10. [1,1,1,1],

11. [1,1,1,1]]],dtype=int16)

12. >>>empty((2,3))

13. array([[3.73603959e‐262,6.02658058e‐154,

6.55490914e‐260],

14. [5.30498948e‐313,3.14673309e‐307,1.

00000000e+000]])

为了创建一个数列，NumPy 提供一个类似 arange 的函数返回数组而不是列表:

1. >>>arange(10,30,5)

2. array([10,15,20,25])

3. >>>arange(0,2,0.3)#itacceptsfloa

targuments

4. array([0.,0.3,0.6,0.9,1.2,1.5,1.8])

当 arange 使用浮点数参数时，由于有限的浮点数精度，通常无法预测获得的元素个数。因

此，最好使用函数 linspace 去接收我们想要的元素个数来代替用 range 来指定步长。

其它函数 array, zeros, zeros_like, ones, ones_like, empty, empty_like, arange, linspace,

rand, randn, fromfunction, fromfile 参考：

NumPy 示例

打印数组

当你打印一个数组，NumPy 以类似嵌套列表的形式显示它，但是呈以下布局：

 最后的轴从左到右打印

 次后的轴从顶向下打印

 剩下的轴从顶向下打印，每个切片通过一个空行与下一个隔开

一维数组被打印成行，二维数组成矩阵，三维数组成矩阵列表。

1. >>>a=arange(6)#1darray

2. >>>printa

3. [012345]

4. >>>

5. >>>b=arange(12).reshape(4,3)#2darray

6. >>>printb

7. [[012]

8. [345]

9. [678]

10. [91011]]

11. >>>

12. >>>c=arange(24).reshape(2,3,4)#3darr

ay

13. >>>printc

14. [[[0123]

15. [4567]

16. [891011]]

17. 

18. [[12131415]

19. [16171819]

20. [20212223]]]

查看形状操作一节获得有关 reshape 的更多细节

剩余34页未读，继续阅读

评论收藏

内容反馈

资源评论

资源反馈

评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~

qiyudong

2020-07-17

文件页数不多，但是很经典。

Error__hxy

粉丝: 2
资源: 2

上传资源快速赚钱

我的内容管理展开

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

前往需求广场，查看用户热搜

numpy中文文档

NumPy 中文文档.zip_numpy_numpy 中文手册_numpy中文手册_python_python文档

NumPy中文文档

NumPy 中文文档.pdf

numpy-cn：NumPy官方中文文档（完整版）

《Numpy 中文用户指南》PDF

numpy官方参考手册.pdf

numpy官方帮助文档

numpy中文手册

numpy1.8.1官方全套参考文档

numpy 文档

numpy中文文档.zip

numpy 中文数据手册

numpy-1.22.2-1.5.7-API文档-中文版.zip

numpy帮助文档

numpy_1.15.0官方文档

numpy 1.14.2官方参考文档

numpy官方参考手册

numpy使用手册

numpy-html-帮助文档

numpy-1.10.1.api参考手册.chm

Numpy.pdf 非常详细

NumPy1.13.0官方文档html

python中文手册CHM与英文手册CHM

numpy-1.14-2文档

numpy-1.22.2-1.5.7.jar中文-英文对照文档.zip

python的numpy库手册官方文档

NUMPYBOOK-numpy参考文档

numpy的HTML格式文档

最新资源