numpy簡介
NumPy（Numerical Python） 是 Python 語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。
NumPy 是一個運行速度非常快的數學庫，主要用於數組計算，包含：
- 一個強大的N維數組對象 ndarray
- 廣播功能函數
- 整合 C/C++/Fortran 代碼的工具
- 線性代數、傅立葉變換、隨機數生成等功能
NumPy Ndarray 對象
- NumPy 最重要的一個特點是其 N 維數組對象 ndarray，它是一系列同類型數據的集合，以 0 下標為開始進行集合中元素的索引
- ndarray 對象是用於存放同類型元素的多維數組
- ndarray 中的每個元素在內存中都有相同存儲大小的區域
numpy對象創建：
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)|
名稱 |
描述 |
|
object |
數組或嵌套的數列 |
|
dtype |
數組元素的數據類型，可選 |
|
copy |
對象是否需要複製，可選 |
|
order |
創建數組的樣式，C為行方向，F為列方向，A為任意方向（默認） |
|
subok |
默認返回一個與基類類型一致的數組 |
|
ndmin |
指定生成數組的最小維度 |
數據類型轉換
拷貝
最小維度
subok
NumPy 數據類型
|
名稱 |
描述 |
|
bool_ |
布爾型數據類型（True 或者 False） |
|
int_ |
默認的整數類型（類似於 C 語言中的 long，int32 或 int64） |
|
intc |
與 C 的 int 類型一樣，一般是 int32 或 int 64 |
|
intp |
用於索引的整數類型（類似於 C 的 ssize_t，一般情況下仍然是 int32 或 int64） |
|
int8 |
字節（-128 to 127） |
|
int16 |
整數（-32768 to 32767） |
|
int32 |
整數（-2147483648 to 2147483647） |
|
int64 |
整數（-9223372036854775808 to 9223372036854775807） |
|
uint8 |
無符號整數（0 to 255） |
|
uint16 |
無符號整數（0 to 65535） |
|
uint32 |
無符號整數（0 to 4294967295） |
|
uint64 |
無符號整數（0 to 18446744073709551615） |
|
float_ |
float64 類型的簡寫 |
|
float16 |
半精度浮點數，包括：1 個符號位，5 個指數位，10 個尾數位 |
|
float32 |
單精度浮點數，包括：1 個符號位，8 個指數位，23 個尾數位 |
|
float64 |
雙精度浮點數，包括：1 個符號位，11 個指數位，52 個尾數位 |
|
complex_ |
complex128 類型的簡寫，即 128 位複數 |
|
complex64 |
複數，表示雙 32 位浮點數（實數部分和虛數部分） |
|
complex128 |
複數，表示雙 64 位浮點數（實數部分和虛數部分） |
數據類型對象 (dtype)
數據類型對象（numpy.dtype 類的實例）用來描述與數組對應的內存區域是如何使用，它描述了數據的以下幾個方面：
- 數據的類型（整數，浮點數或者 Python 對象）
- 數據的大小（例如， 整數使用多少個字節存儲）
- 數據的字節順序（小端法或大端法）
- 在結構化類型的情況下，欄位的名稱、每個欄位的數據類型和每個欄位所取的內存塊的部分
- 如果數據類型是子數組，那麼它的形狀和數據類型是什麼。
字節順序是通過對數據類型預先設定 < 或 > 來決定的。 < 意味著小端法(最小值存儲在最小的地址，即低位組放在最前面)。> 意味著大端法(最重要的字節存儲在最小的地址，即高位組放在最前面)。
dtype 對象是使用以下語法構造的：
numpy.dtype(object, align, copy)
object - 要轉換為的數據類型對象
align - 如果為 true，填充欄位使其類似 C 的結構體。
copy - 複製 dtype 對象 ，如果為 false，則是對內置數據類型對象的引用每個內建類型都有一個唯一定義它的字符代碼
|
字符 |
對應類型 |
|
b |
布爾型 |
|
i |
(有符號) 整型 |
|
u |
無符號整型 integer |
|
f |
浮點型 |
|
c |
複數浮點型 |
|
m |
timedelta（時間間隔） |
|
M |
datetime（日期時間） |
|
O |
(Python) 對象 |
|
S, a |
(byte-)字符串 |
|
U |
Unicode |
|
V |
原始數據 (void) |
dt = np.dtype(np.int32)
print(dt)
輸出：
int32
dt = np.dtype('i4')
print(dt)
輸出：
int32
dt = np.dtype([('age', np.int8)])
print(dt)
輸出：
[('age', 'i1')]結構化數據類型
student = np.dtype([('name','S20'), ('age','i1'), ('score', 'f4')])
a = np.array([('xm', 10, 98.123456789), ('xh', 8, 99.111111111), ('xl', '9', 100)], dtype=student)
print(a)
輸出：
[(b'xm', 10, 98.12346 ) (b'xh', 8, 99.111115) (b'xl', 9, 100. )]