评论包邮送书了！！！深度学习基础之numpy，小白轻松入门numpy(代码片段)

目录

1、numpy 的安装

2、快速入门

3.Numpy 数组操作

4、常用函数

5、ndarray和 list的区别

6、总结

送书活动第一期

1、numpy 的安装

pip install numpy

2、快速入门

2.1 数据类型

用过C语言的基本上都知道是哪几个类型，毕竟python是c 实现的

总结一下：u表示无符号，有符号则没有，中间表示类型类型，最后一个是表示的字节数

2.2 最重要的对象Ndarray 对象

Ndarray 可以理解为Java里面List 的实现，封装了更好的接口和api。

调试看下结构

2.3 副本和视图

副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。

视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。

视图一般发生在：

• 1、numpy 的切片操作返回原数据的视图。

• 2、调用 ndarray 的 view() 函数产生一个视图。

副本一般发生在：

• Python 序列的切片操作，调用deepCopy()函数。

• 调用 ndarray 的 copy() 函数产生一个副本。

3、numpy 常用操作

1.创建 ndarray

import numpy as np
#将列表和 元组转换为ndarray
x = [1,2,3]
a = np.asarray(x)  
print (a)

y = (1,2,3)
b = np.asarray(y)  
print (b)

1. 遍历ndarray

   NumPy 迭代器对象 numpy.nditer( nditer = nd  iterator) 提供了一种灵活访问一个或者多个数组元素的方式

import numpy as np

a = np.arange(6).reshape(2,3)
print ('原始数组是：')
print (a)
print ('\\n')
print ('迭代输出元素：')
for x in np.nditer(a):
   print (x, end=", " )
print ('\\n')

nditer 的几个参数

order='F' ：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出现顺序。

op_flags：nditer 将视待迭代遍历的数组为只读对象（read-only），为了在遍历数组的同时，实现对数组元素值得修改，必须指定 read-write 或者 write-only 的模式。

import numpy as np

a = np.arange(6).reshape(2, 3)
print('原始数组是：')
print(a)
print('\\n')
print('迭代输出元素：')
for x in np.nditer(a,order="F",op_flags=['readwrite']):
  print(x, end=", ")
  x[...]= x * 2
print('\\n 修改后的元素')
print(a)
print('\\n')

输出结果

原始数组是：
[[0 1 2]
[3 4 5]]

迭代输出元素：
0, 3, 1, 4, 2, 5,

修改后的元素
[[ 0 2 4]
[ 6 8 10]]

3.Numpy 数组操作

修改数组形状

翻转数组

numpy.transpose 函数用于对换数组的维度连接数组

分割数组

数组元素的添加与删除

numpy.append 函数在数组的末尾添加值

4、常用函数

NumPy 提供了标准的三角函数：sin()、cos()、tan()。

NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()

统计函数

numpy.amin() 和 numpy.amax()

numpy.ptp()函数计算数组中元素最大值与最小值的差（最大值 - 最小值）。

numpy.median() 函数用于计算数组 a 中元素的中位数（中值）

numpy.mean() 函数返回数组中元素的算术平均值。如果提供了轴，则沿其计算。

操作函数

numpy.sort() 函数返回输入数组的排序副本

numpy.argsort() 函数返回的是数组值从小到大的索引值

numpy.lexsort() 用于对多个序列进行排序。把它想象成对电子表格进行排序，每一列代表一个序列，排序时优先照顾靠后的列

#!/usr/bin/env python
# encoding: utf-8


"""
#Author: 香菜
@time: 2021/8/30 0030 下午 10:00
"""

import numpy as np

a = np.arange(6).reshape(2, 3)
print('原始数组是：')
print(a)
# 最小值，可以指定轴
min = np.amin(a)
print("最小值 :" + str(min))
# 最大值与最小值的差
gap = np.ptp(a)
print("最大差 :" + str(gap))
mid = np.median(a)
print("中位数 :" +str(mid))

mean = np.mean(a)
print("平均值 :" +str(mean))

print(np.argsort(a))

5、ndarray和 list的区别

数组元素要求是相同类型，而列表的元素可以是不同类型。

ndarray占用的内存要比列表少

• 数组底层使用C程序编写，运算速度快。

• 数组底层使用C中数组的存储方式（紧凑存储），节省内存空间。

6、总结

numpy 不难，最重要的数据结构就是ndarray ，可以直接当做List使用，然后np 提供了一些列的函数操作

送书活动第一期

《Python数据分析与大数据处理从入门到精通》

全面：数据分析与大数据处理所需的所有技术，包含基础理论、核心概念、实施流程，从编程语言准备、数据采集与清洗、数据分析与可视化，到大型数据的分布式存储与分布式计算等。
（2）深入：一本书讲透1种编程语言和14种数据分析与大处理工具，以及大数据分析技术及项目开发方法。
（3）丰富：包含45个“新手问答”、17个章节的“实训”、3个项目综合实战、50道Python面试题精选。

京东自营购买链接：

https://item.jd.com/12740890.html

当当自营购买链接：

http://product.dangdang.com/28476522.html

大家点赞关注，两天后在留言的同学中抽取送两本书

注：如果中奖了没关注则放弃