python中numpy包使用教程之数组和相关操作详解

前言

大家应该都有所了解，下面就简单介绍下Numpy，NumPy(Numerical Python)是一个用于科学计算第三方的Python包。

NumPy提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。下面本文将详细介绍关于python中numpy包使用教程之数组和相关操作的相关内容，下面话不多说，来一起看看详细的介绍：

一、数组简介

Numpy中，最重要的数据结构是：多维数组类型（numpy.ndarray）

ndarray由两部分组成：

数组（即矩阵）的维度被称为axes，维数称为rank

ndarray 的重要属性包括: 

二、数组的使用

使用numpy前要先导入模块，使用下面的语句导入模块：

improt numpy as np #其中np为numpy的别名，是一种习惯用法 

1.使用array方法生成数组

array，也就是数组，是numpy中最基础的数据结构，最关键的属性是维度和元素类型，在numpy中，可以非常方便地创建各种不同类型的多维数组，并且执行一些基本基本操作，生成数组的方法有一下几种：
以list或tuple变量产生以为数组：

>>> print np.array([1,2,3,4]) [1 2 3 4] >>> print np.array((1.2,2,3,4)) [ 1.2 2. 3. 4. ] 

以list或tuple变量为元素产生二维数组或者多维数组：

>>> x = np.array(((1,2,3),(4,5,6))) >>> x array([[1, 2, 3],  [4, 5, 6]]) >>> y = np.array([[1,2,3],[4,5,6]]) >>> y array([[1, 2, 3],  [4, 5, 6]]) 

2.使用numpy.arange方法生成数组

>>> print np.arange(15) [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] >>> print type(np.arange(15)) <type 'numpy.ndarray'> 

3.使用内置函数生成特殊矩阵（数组）

零矩阵

>>> print np.zeros((3,4)) [[ 0. 0. 0. 0.]  [ 0. 0. 0. 0.]  [ 0. 0. 0. 0.]] 

一矩阵

>>> print np.ones((3,4)) [[ 1. 1. 1. 1.]  [1. 1. 1. 1.]  [ 1. 1. 1. 1.]] 

单位矩阵

>>> print np.eye(3) [[ 1. 0. 0.]  [0. 1. 0.]  [ 0. 0. 1.]] 

4.索引与切片

>>> x = np.array(((1,2,3),(4,5,6))) >>> x[1,2] #获取第二行第三列的数 6