python 对ndarray全体除以一个数

admin管理员组

文章数量:1794759

python 对ndarray全体除以一个数

第一次写文章，没什么经验。。。。

---

一、数据的维度

数据维度是数据的组织形式

1、一维数据：列表和集合类型

例如：[3.14，3.141，3.1415] （列表类型数据是有序的）

{3.14，3.141，3.1415} （集合类型数据是无序的）

2、二维数据：列表类型

例如：[ [3.14，3.141，3.1415]，[3.13，3.134，3.135] ]

3、多维数据：列表类型

例如：在二维数据的基础上新增了一个时间的维度，那么这时候的数据属于多维数据。

4、高维数据：字典类型或数据表示格式(JSON、XML、YAML格式）

高维数据的字典类型

---

二、python的NumPy库

1、NumPy是一个开源的Python科学计算基础库，包含：

1）强大的N维数组对象 ndarray

2）广播功能函数

3）整合C/C++/Fortran代码的工具

4）线性代数、傅里叶变换、随机数生成等功能

2、NumPy的引用

Python导入NumPy库

其中，as np是引入NumPy模块的别名，别名可以省略或更改，但是对于NumPy来说，”np“是NumPy开发者约定俗成的，建议还是使用上述约定的别名。

3、N维数组对象：ndarray

可能有同学会有疑问：为什么Python已有列表类型，为什么还需要一个数组对象（类型）？

下面我们通过一个例子来对比看看两者有何区别。

例如：计算

，其中a和b都是一维数组

python的标准计算方法

NumPy的计算方法

数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据；

设置专门的数组对象，经过优化，可以提升这类应用的运算速度；

在科学计算中，一个维度所有的数据的类型往往相同。数组对象采用相同的数据类型，有助于节省运算和存储空间。

4、ndarray是一个多维数组对象，由两部分构成：

1）实际的数据

2）描述这些数据的元数据（数据维度、数据类型等）

ndarray数组一般要求所有元素类型相同，数组下标从0开始。

ndarray对象的属性

ndarray对象的属性

例如：

ndarray对象的属性实例

ndarray数组的元素类型

ndarray数组的元素类型

5、ndarray数组的创建方法

1）从Python中的列表、元组等类型创建ndarray数组

例：

当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtupe类型

2）使用NumPy中函数创建ndarray数组，如：arange，ones，zeros等

ndarray数组的创建

例：

ndarray数组创建实例

ndarray数组创建实例

3）从字节流（raw bytes）中创建ndarray数组

4）从文件中读取特定格式，创建ndarray数组

6、ndarray数组的变换

对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换

nadrray数组的变换

例：对于a=np.ones((2,3,4))

7、ndarray数组的运算

1）数组与标量之间的运算

数组与标量之间的运算作用于数组的每一个元素

例：

a.mean()为计算a与元素平均值的商

2）NumPy的一元函数

对ndarray中的数据执行元素级运算的函数

例：

NumPy一元函数实例

3）NumPy二元函数

例：

NumPy二元函数实例

---

欢迎大家一起交流学习。

如果想更深入了解NumPy的应用，请看相应的官方文档：www.numpy/

本文标签： 个数Pythonndarray