初探numpy

安装numpy

通过python pip安装numpy

pip install numpy

numpy ndarray对象

创建ndarray对象只需调用numpy的array函数即可

numpy.array(object , dtype = None , copy = True , order = None , subok = False , ndmin = 0)
参数 描述
object 数组或嵌套的数列
dtype 数组元素的数据类型
copy 对象是否需要复制
order 创建数组的样式,C为行方向,F为列方向,A为任意方向(默认)
subok 默认返回一个与基类类型相同的数组
ndmin 指定生成数组的最小维度
import numpy as np

array=np.array([1,2,3])
print(array)
[1 2 3]
array=np.array([[1,2],[3,4]])
print(array)
[[1 2]
 [3 4]]
#最小维度测试
array=np.array([1,2,3],ndmin=2)
print(array)
[[1 2 3]]
#dtype参数测试
array=np.array([1,2,3],dtype=float)
print(array)
[1. 2. 3.]

numpy常用数据类型

类型 类型代码 描述
int8、uint8 i1、u1 有符号和无符号的8位(1个字节)整型
int16、uint16 i2、u2 有符号和无符号的16位(2个字节)整型
int32、uint32 i4、u4 有符号和无符号的32位(4个字节)整型
int64、uint64 i8、u8 有符号和无符号的64位(8个字节)整型
float16 f2 半精度浮点数,包括:1个符号位,5个指数位,10个尾数位
float32 f4或f 标准的单精度浮点数,包括:1个符号位,8个指数位,23个尾数位。与C的float兼容
float64 f8或d 标准的单精度浮点数,包括:1个符号位,11个指数位,52个尾数位。与C的double和Python的float对象兼容
complex64、complex128 c8、c16 分别用两个32位、64位浮点数表示的复数
bool ? 布尔数据类型(表示True或False)

数据类型对象(dtype)

dtype对象使用dtype函数构造

numpy.dtype(object , align , copy)
参数 描述
object 要转化为的数据对象
align 如果为True,使其形成类似C的结构体
copy 复制dtype对象,如果为False,则是对内置函数类型对象的引用
import numpy as np

#使用标量类型
dt=np.dtype(np.int64)
print(dt)
int64
#使用类型代码

dt=np.dtype('u8')
print(dt)
uint64
array=np.array([1,2,3],dtype=float)
print(array)
print(array.dtype)
[1. 2. 3.]
float64

ndarray对象属性

ndarray对象属性有:

属性 描述
ndarray.ndim 秩,即轴的数量或维度的数量
ndarray.shape 数组的维度,对应矩阵,m行n列
ndarray.size 数组元素的个数,相当于.shape中的m*n的值
ndarray.dtype ndarray对象的元素类型
ndarray.itemsize ndarray对象每个元素的大小,以字节为单位
ndarray.flags ndarray对象的内存信息
ndarray.real ndarray对象的实部
ndarray.imag ndarray对象的虚部
import numpy as np

#ndim属性
array_a=np.array([1,2,3,4,5,6,7,8])
print(array_a)
print(array_a.ndim)

#调整大小
array_b=array_a.reshape(2,2,2)
print(array_b)
print(array_b.ndim)
[1 2 3 4 5 6 7 8]
1
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]
3
#shape属性
array=np.array([[1,2],[3,4]])
print(array)
print(array.shape)

#调整大小
array.shape=(4,1)
print(array)

#通过reshape函数调整大小
array=array.reshape(1,4)
print(array)
[[1 2]
 [3 4]]
(2, 2)
[[1]
 [2]
 [3]
 [4]]
[[1 2 3 4]]
#itemsize属性
array_a=np.array([1,2,3],dtype=np.int64)
print(array_a.itemsize)

array_b=np.array([1,2,3],dtype=np.int8)
print(array_b.itemsize)
8
1
上一篇:杰理之music_player 获取当前播放对应的 music 设备【篇】


下一篇:AVPlayer播放远程视频