numpy的下载、数据类型、属性、数组创建

这篇具有很好参考价值的文章主要介绍了numpy的下载、数据类型、属性、数组创建。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

下载numpy

因为numpy不依赖于任何一个包所以numpy可以直接使用pip命令直接下载
下载命令:

pip install numpy # 默认从https://pypi.org/simple 下载
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/ # 从清华大学资源站点下载
pip install numpy -i https://mirrors.aliyun.com/pypi/simple/ # 从阿里云资源站点下载
pip install numpy -i https://pypi.mirrors.ustc.edu.cn/simple/ # 从中科大资源站点下载

建议使用国内源进行下载避免下载过慢或者下载超时的情况出现

导入

在导入numpy的时候我们习惯于将numpy简写成np方便下面程序的调用,几乎所有的程序员都会这么干

import numpy as np

配置

显示格式的设置

获取显示格式配置信息

np.get_printoptions()

numpy的下载、数据类型、属性、数组创建

参数 说明
precision 控制输出结果的精度(即小数点后的位数),默认值为8
threshold 当数组元素总数过大时,设置显示的数字位数,其余用省略号代替(当数组元素总数大于设置值,控制输出值得个数为6个,当数组元素小于或者等于设置值得时候,全部显示),当设置值为sys.maxsize(需要导入sys库),则会输出所有元素
suppress 小数是否需要以科学计数法的形式输出
linewidth 每行字符的数目,其余的数值会换到下一行
formatter 自定义输出规则
修改显示格式的配置信息
np.set_printoptions(precision=None, threshold=None,  linewidth=None, suppress=None, formatter=None)

设置警告信息

查看警告类型的设置

print(np.geterr())

numpy的下载、数据类型、属性、数组创建
更改警告设置

np.seterr(invalid='ignore')

数组的属性

属性 说明
ndim 秩,即轴的数量或维度的数量
shape 数组的维度,对于矩阵,n 行 m 列
size 数组元素的总个数,相当于 .shape 中 n*m 的值
dtype ndarray 对象的元素类型
itemsize ndarray 对象中每个元素的大小,以字节为单位
flags ndarray 对象的内存信息
real ndarray元素的实部
imag ndarray 元素的虚部
data 包含实际数组元素的缓冲区,由于一般通过数组的索引获取元素,所以通常不需要使用这个属性。
  • ndarray.ndim
    ndarray.ndim用于返回数组的维数,也就是秩
import numpy as np

a = np.arange(24)
print(a)
print(a.ndim)  # a现在只有一个维度 所以返回的结果为1
# 现在调整数组为三维数组
b = a.reshape(2, 4, 3) # b 的维度是3
print(b)
print(b.ndim) 打印的结果为3

numpy的下载、数据类型、属性、数组创建

  • ndarray.shape
    ndarray.shape()表示数组的维度,返回类型为元组,元组的长度就是数组的维度,也可以用于调整数组的大小
a_shape = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
print(a_shape)
print(a_shape.shape) #(2, 4)

# 调整数组
a_shape.shape = (4, 2)
print(a_shape)
# 和reshape函数的作用一样

numpy的下载、数据类型、属性、数组创建

  • ndarray.size
    数组元素的总个数,相当于 .shape 中 n*m 的值
aa = np.arange(6)
print(aa)
print(aa.size)

numpy的下载、数据类型、属性、数组创建

  • ndarray.itemsize
    ndarray.itemsize 以字节的形式返回数组中每一个元素的大小
a = np.arange(24, dtype=np.float64)  # dtype=指定数据类型
print(a.itemsize)

numpy的下载、数据类型、属性、数组创建

  • ndarray.flages
    ndarray.flages 返回ndarray 对象的内存信息,包含以下属性:
    |属性 |说明 |
    |–|–|
    |C_CONTIGUOUS | 数据是在一个单一的C风格的连续段中 |
    | F_CONTIGUOUS | 数据是在一个单一的Fortran风格的连续段中 |
    |OWNDATA|数组拥有它所使用的内存或从另一个对象中借用它|
    |WRITEABLE | 数据区域可以被写入,将该值设置为 False,则数据为只读 |
    |ALIGNED | 数据和所有元素都适当地对齐到硬件上 |
    |UPDATEIFCOPY|这个数组是其它数组的一个副本,当这个数组被释放时,原数组的内容将被更新|

数组的创建

有几种方法可以创建数组。

方法 说明
empty 创建一个指定形状(shape)、数据类型(dtype)且未初始化的数组
zeros 创建指定大小的数组,数组元素以 0 来填充
ones 创建指定形状的数组,数组元素以 1 来填充
zeros_like 用于创建一个与给定数组具有相同形状的数组,数组元素以 0 来填充。
ones_like 用于创建一个与给定数组具有相同形状的数组,数组元素以 1 来填充
array 从常规Python列表或元组中创建数组。得到的数组的类型是从Python列表中元素的类型推导出来的。
  • empty
    numpy.empty(shape, dtype = float, order = 'C')
参数 说明
shape 数组形状
dtype 数据类型,可选
order 有"C"和"F"两个选项,分别代表,行优先和列优先,在计算机内存中的存储元素的顺序。
x = np.empty([3, 4], dtype=int)
print(x)

numpy的下载、数据类型、属性、数组创建

注意 :数组元素为随机值,因为它们未初始化。

  • numpy.zeros
    numpy.zeros(shape, dtype = float, order = 'C')
参数 说明
shape 数组形状
dtype 数据类型,可选
order ‘C’ 用于 C 的行数组,或者 ‘F’ 用于 FORTRAN 的列数组
# 默认的浮点数类型
x = np.zeros(5)
print(x)
# 设置为整数类型
x2 = np.zeros((5,), dtype=int)
print(x2)
# 自定义类型
x3 = np.zeros((2, 2), dtype=[("x", "i4"), ("y", "i4")])
print(x3)
print(x3.dtype)

numpy的下载、数据类型、属性、数组创建

  • numpy.ones
    numpy.ones(shape, dtype = None, order = 'C')
参数 说明
shape 数组形状
dtype 数据类型,可选
order ‘C’ 用于 C 的行数组,或者 ‘F’ 用于 FORTRAN 的列数组
x = np.ones(5)
print(x)
# 设置为整数类型
y = np.ones([2, 2], dtype=int)
print(y)
# 自定义类型
x3 = np.ones((2, 2), dtype=[("x", "i4"), ("y", "i4")])
print(x3)

numpy的下载、数据类型、属性、数组创建

  • numpy.zeros_like
    numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)
参数 说明
a 给定要创建相同形状的数组
dtype 创建的数组的数据类型
order 数组在内存中的存储顺序,可选值为 ‘C’(按行优先)或 ‘F’(按列优先),默认为 ‘K’(保留输入数组的存储顺序)
subok 是否允许返回子类,如果为 True,则返回一个子类对象,否则返回一个与 a 数组具有相同数据类型和存储顺序的数组
shape 创建的数组的形状,如果不指定,则默认为 a 数组的形状。
arr = np.arange(9).reshape(3, 3)
print(arr)
arr_like = np.zeros_like(arr)
print(arr_like)

numpy的下载、数据类型、属性、数组创建

  • numpy.ones_like
    numpy.ones_like(a, dtype=None, order='K', subok=True, shape=None)
参数 说明
a 给定要创建相同形状的数组
dtype 创建的数组的数据类型
order 数组在内存中的存储顺序,可选值为 ‘C’(按行优先)或 ‘F’(按列优先),默认为 ‘K’(保留输入数组的存储顺序)
subok 是否允许返回子类,如果为 True,则返回一个子类对象,否则返回一个与 a 数组具有相同数据类型和存储顺序的数组
shape 创建的数组的形状,如果不指定,则默认为 a 数组的形状。
arr = np.arange(9).reshape(3, 3)
print(arr)
arr_like = np.ones_like(arr)
print(arr_like)

numpy的下载、数据类型、属性、数组创建

个人笔记学习资源来自网络,如有侵权请联系文章来源地址https://www.toymoban.com/news/detail-429928.html

到了这里,关于numpy的下载、数据类型、属性、数组创建的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • numpy创建数组

    numpy中的数组,要么全是整形,要么全是字符串型,不能既有整形,又有字符串型如: 以上将数字也全部转为字符串 创建数组的方法: 1.使用np.array 2.使用np.range生成数组 3.使用np.random来创建数组 注意:(2,2)是一个元胞,[1,2]是数组 使用函数生成特殊的数组

    2024年02月12日
    浏览(40)
  • Python Numpy入门基础(一)创建数组

    1- np.array() 参数众多,初学时只要关注基本用法。 元组、列表转换 内置函数 range() 数组副本copy,开辟一块新内存复制原数组 主要参数: dtype=     数组元素的数据类型,可选 copy=      对象是否需要复制,可选 order=     创建数组的样式,C为行方向,F为列方向,A为任意方

    2024年02月14日
    浏览(46)
  • Python numpy - 数组的创建与访问

    目录 一 数组array的创建途径 1  列表list  2 函数array  3 函数arange 4 函数zeros 5 函数eyes 6 随机函数randn/ randint 二 数组array的访问  1 访问形状/元素个数/数据类型  2 访问一维数组的位置/范围 3 访问二维数组的位置/范围 4 用:访问二维数组的切片 生成数组的常用途径 list列表

    2024年02月07日
    浏览(47)
  • 数据分析 — Numpy 数组处理

    NumPy(Numerical Python)是一个用于 科学计算 的 Python 库,提供了多维数组对象(ndarray)以及数学函数,用于 处理大规模数据集和执行数值 计算。 当数据量达到一定级别后,NumPy 计算会比原生 Python 快。 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

    2024年02月22日
    浏览(42)
  • 【Unity】Unity Shader学习笔记(四)创建和使用、基本语法、属性基本类型、数值精度

    由于着色器是依赖于材质的,所以创建着色器之前通常要先创建一个材质(Material)。然后再创建一个Shader。 结果如下: 然后给材质指定Shader,再给物体指定材质。 建好Shader后双击打开,通常默认使用vs studio开发shader。一个Shader主要的内容都是写在 Shader {} 代码块中,其中包

    2024年02月16日
    浏览(41)
  • 【Python爬虫与数据分析】NumPy进阶——数组操作与运算

    目录 一、NumPy数组操作 1. ndarray更改形状 2. ndarray转置 3. ndarray组合 4. ndarray拆分 5. ndarray排序 二、NumPy数组运算 1. 基本运算 2. 逻辑函数 3. 数学函数 三、日期时间的表示和间隔 1. 日期时间的表示——datetime64 2. 日期时间的计算——timedelta64 3. datetime64与datetime的转换 在对数组进

    2024年02月15日
    浏览(49)
  • 【解决方法】numpy.float64类型数据无法被解释为整数

    【解决方法】numpy.float64类型数据无法被解释为整数 在使用Python语言进行数据处理时,经常需要用到NumPy库中的各种数据类型和数学函数。其中,Numpy.float64是一种十分常见的数据类型。 然而,有时候我们会遇到这样的错误提示:【numpy.float64 object cannot be interpreted as an integer】

    2024年02月16日
    浏览(42)
  • Effective第三版 中英 | 第2章 创建和销毁对象 | 用私有构造器或者枚举类型强化 Singleton 属性

    大家好,这里是 Rocky 编程日记 ,喜欢后端架构及中间件源码,目前正在阅读 effective-java 书籍。同时也把自己学习该书时的笔记,代码分享出来,供大家学习交流,如若笔记中有不对的地方,那一定是当时我的理解还不够,希望你能及时提出。如果对于该笔记存在很多疑惑,

    2024年02月07日
    浏览(37)
  • 【SystemVerilog 之数据类型】~ 数据类型、Logic 类型、数组(定宽数组、动态数组、队列、关联数组、链表)

    四值变量 :(0、1、x、z)四种状态 四值逻辑类型 :integer、logic、reg、net-type(如 wire、tri)、time(64bit的无符号整数); SV 并不太常用变量类型是 wire(assign 语句中)还是 reg(initial 和 always 语句中)。logic 用的比较多。可以被连续赋值语句驱动,可用在 assign、initial、always 语句

    2024年01月22日
    浏览(40)
  • Python中数据处理(npz、npy、csv文件;元组、列表、numpy数组的使用)

    目录 1.npz文件 2.npy文件 3.csv文件 4.列表、元组、numpy矩阵 ①列表 ②元组(不可变列表) ③Numpy数组 ③Numpy矩阵 1.npz文件 npz是python的压缩文件 ①读取文件 ② NpzFile 对象有个属性 files 可以通过它查看该压缩文件的所有文件名,通过 dataset[\\\'文件名\\\'] 来获取文件内容 ③保存为.npz文件

    2024年02月03日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包