数据库 NumPy
NumPy — Python 编程语言的开源库，它实现了大量处理向量、矩阵和数组的操作。
用解释型语言（例如Python）实现的数学算法往往比用编译型语言（例如Fortran、C、Java）实现的数学算法慢很多。 NumPy 库提供了针对多维数组优化的计算算法的实现（以函数和运算符的形式）。
因此，任何可以表示为数组（矩阵）操作序列并使用 NumPy 实现的算法都足够快。
NumPy (Numeric Python) 是处理数据的核心数学库。该库是处理机器学习或数据分析任务的其他库的基础（例如， Pandas （处理表格数据）、 SciPy （优化方法和科学计算）、< tt>Matplotlib （绘图）。
使用 NumPy
为了开始使用 numpy 库，您需要像任何其他库一样在程序开始时导入它，
导入 numpy
左右（使用频率更高）
将 numpy 导入为 np
NumPy 向量
NumPy 中的向量（或数组）是一组有序的同类数据。
可以通过其索引访问向量的元素，就像在列表中一样。 vector 的每个元素都有自己特定的位置，这是在创建时设置的。
所有向量元素都具有相同的数据类型（int、str、bool 等）。
创建一个向量
要创建向量，您需要使用 numpy.array 构造函数（可迭代对象）。
括号表示任何可迭代对象：tuple、list、range()等。
例子
将 numpy 导入为 np
将 numpy 导入为 np
print(np.array((1,2,3,4,5))) # 来自元组的向量
print(np.array([1,2,3,4,5])) # 来自列表的向量
print(np.array(range(5))) # 来自生成器的向量
|
使用矢量元素
使用向量元素与使用列表元素相同，您可以通过索引访问元素，也可以创建切片。
例子
<表>
<正文>
1个
2个
3个
4个
5个
6个
7
|
将 numpy 导入为 np
V = np.array((1,2,3,4))
打印（V[0]）#1
打印(V[-1]) # 4
打印(V[1:-2]) # [2]
print(V[::2]) # [1 3]
|
|
选择向量元素
要选择向量元素，可以使用包含逻辑值（表达式）的向量。在具有布尔值的向量中将为 True 的向量元素将被选中。
例子
将 numpy 导入为 np
V = np.array([1,-2,3,-4,5])
# 选择向量的前两个元素
print(V[np.array((True, True, False, False, False))]) # [ 1 -2]
# 选择正向量元素
print(V[V > 0]) # [1 3 5]
# 选择偶数向量元素
print(V[V % 2 == 0]) # [-2 -4]
|
创建数组和矩阵的方法
创建数组和矩阵的其他有用方法。
例子
<表>
<正文>
1个
2个
3个
4个
5个
6个
7
8个
9
10
十一
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
三十
31
32
33
34
35
36
37
|
将 numpy 导入为 np
# 一维零数组
打印（np.zero（5））#[0。 0.0.0.0.]
# 零的二维数组
print(np.zeros((2, 3))) # [[0. 0.0.]
#[0。 0.0.]]
# 单位的 3D 数组
print(np.ones((2,3,4))) # [[[1. 1. 1. 1.]
# [1。 1. 1. 1.]
# [1。 1.1.1.]]
#
#[[1。 1. 1. 1.]
# [1。 1. 1. 1.]
# [1。 1.1.1.]]]
# 带有类型指示的零数组
print(np.zeros(5, dtype=np.int)) # [0 0 0 0 0]
# 基于列表列表的数组
print(np.array([[1,2.0],[0,0],(1,3.)])) # [[1. 2.]
#[0。 0.]
# [1。 3.]]
# 一个数组，由0开始的等差数列元素组成
打印（np.arange（10））＃[0 1 2 3 4 5 6 7 8 9]
# 带有类型指示的算术级数
print(np.arange(2, 10, dtype=np.float)) # [2. 3. 4. 5. 6. 7. 8. 9.]
# 非整数差的等差数列
打印(np.arange(2, 3, 0.1)) # [2. 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9]
# 给定项数的等差数列
print(np.linspace(1., 4., 6)) # [1. 1.6 2.2 2.8 3.4 4.]
|
|
零数组元素
函数 nonzero(V)
结果是一个数组元组。每个这样的数组对应于原始数组的一个单独的轴，并包含该数组中具有非零元素的索引。
V - a NumPy 数组或类数组对象。
返回一个 Python tuple (tuple) - 元组，其中包含原始数组 V 的非零元素的索引数组。
函数 count_nonzero(V)
该函数基于 Python 对象内置的 __bool__() 方法来检查它们是否为真。因此 count_nonzero() 函数实际上不仅可以处理数字，还可以处理任何可以为真或为假的对象。
V - a NumPy 数组或类数组对象。
该函数返回沿指定轴的非零数组元素的数量。
|
对角线阵列
diag(V, k=0) 函数允许您从数组中提取对角线，以及从一维数组构建对角线数组。
V - 类似数组的对象、二维或一维数组、矩阵、列表或元组，或者具有返回列表或元组方法的任何函数或对象。
k - 对角线索引（可选）。
默认值为 k = 0 对应于主对角线。正 k 值将对角线向上移动，负值将其向下移动。
该函数返回 array NumPy (ndarray) - 指定数组的对角线或来自指定一维数组的对角线数组。
|
2D NumPy 数组
通过指定元素的坐标访问二维数组的元素，首先是行号，然后是列号。坐标以逗号分隔。
使用 reshape(). 函数可以将任何数组转换为二维数组
例子
<表>
<正文>
1个
2个
3个
4个
5个
6个
7
8
|
# reshape() 函数改变数组的形状而不改变它的数据。
x = np.arange(12).reshape(3, 4)
打印(x) # [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
# 要访问一个元素，请指定其坐标，以逗号分隔
print(x[1, 2]) # 6
|
<代码>
|