NumPy 数据类型学习笔记
1. 数组和数据类型
NumPy是一个用于科学计算的Python库,主要用于处理多维数组和矩阵计算。在NumPy中,数组是指具有相同数据类型的元素集合。下面是一些常见的NumPy数据类型:
- int:用于表示整数。
- float:用于表示浮点数。
- bool:用于表示布尔值。
- complex:用于表示复数。
2. 创建数组
使用NumPy可以方便地创建多维数组。下面是一些常见的创建方式:
2.1 从列表或元祖创建数组
pythonCopy Codeimport numpy as np
a = np.array([1, 2, 3])
b = np.array((4, 5, 6))
print(a)
print(b)
输出:
Copy Codearray([1, 2, 3])
array([4, 5, 6])
2.2 从范围创建数组
pythonCopy Codeimport numpy as np
a = np.arange(1, 10, 2) # 从1到10,步长为2
b = np.linspace(0, 1, 5) # 包含0和1,均等分为5份
print(a)
print(b)
输出:
Copy Codearray([1, 3, 5, 7, 9])
array([0. , 0.25, 0.5 , 0.75, 1. ])
3. 数组的运算
NumPy支持多种数组的运算,包括加、减、乘、除等。下面是一些常见的运算方式:
3.1 数组与标量的运算
pythonCopy Codeimport numpy as np
a = np.array([1, 2, 3])
print(a + 1)
print(a * 2)
输出:
Copy Codearray([2, 3, 4])
array([2, 4, 6])
3.2 数组之间的运算
pythonCopy Codeimport numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b)
print(a * b)
输出:
Copy Codearray([5, 7, 9])
array([ 4, 10, 18])
4. 数组的索引和切片
可以使用索引和切片来访问数组中的元素。下面是一些常见的操作方式:
4.1 索引
pythonCopy Codeimport numpy as np
a = np.array([1, 2, 3])
print(a[0]) # 第一个元素
print(a[-1]) # 最后一个元素
输出:
Copy Code1 3
4.2 切片
pythonCopy Codeimport numpy as np
a = np.array([1, 2, 3, 4, 5])
print(a[1:3]) # 第2到第4个元素
print(a[::2]) # 每两个元素取一个
输出:
Copy Codearray([2, 3])
array([1, 3, 5])
以上就是NumPy数据类型的学习笔记,希望对你有所帮助。