软件测试|Python科学计算神器numpy教程（一）

前语

之前咱们运用matplotlib制作了不一样的图形，其实在咱们的制作图像时，咱们输入的数据都是经过处理之后再经过matplotlib以及pillow进行制作的。咱们在制作图形的脚本里，引入了一个对数组执行数学运算和相关逻辑运算的第三方库——Numpy，当然numpy功用不止于此，它仍是python科学核算的根底库，现在咱们就来介绍一下numpy的运用。

装置

因为numpy是Python的第三方库，所以咱们需要自行装置，装置完结之后才能够运用，装置只需要一条命令：

pip install numpy

注：numpy通常会结合SciPy 程序包一同运用，SciPy 能够看做对 NumPy 库的扩展，它在 NumPy 的根底上又增加了许多工程核算函数。

Numpy ndarray目标

NumPy 界说了一个 n 维数组目标，简称 ndarray 目标，它是一个一系列相同类型元素组成的数组调集。数组中的每个元素都占有大小相同的内存块，您能够运用索引或切片的方式获取数组中的每个元素。

ndarray 目标采用了数组的索引机制，将数组中的每个元素映射到内存块上，而且依照必定的布局对内存块进行排列，常用的布局方式有两种，即按行或者按列。

创立ndarray目标

Numpy供给了内置函数array()来创立ndarray，语法格局如下：

numpy.array(object, dtype = None, copy = True, order = None,ndmin = 0)

参数阐明：

创立一维数组

import numpy as np
a = np.array([11, 10, 9])
print(a)
print(type(a))
-------------------------
输出成果如下：
[11 10  9]
<class 'numpy.ndarray'>

创立多维数组

import numpy as np
a = np.array([[11, 10, 9],[6, 7, 8]])
print(a)
print(type(a))
---------------
输出成果如下：
[[11 10  9]
 [ 6  7  8]]
<class 'numpy.ndarray'>

改动数组元素的数据类型，能够运用设置 dtype

c=numpy.array([2,4,6,8],dtype=”数据类型称号”)

现在咱们将数组中的元素改为字符串类型，如下：

import numpy as np
c=np.array([2,4,6,8],dtype="str")
print(c)
-------------------
输出成果如下：
['2' '4' '6' '8']

检查数组维数

咱们能够经过ndim检查数组的维度

import numpy as np
arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]])
print(arr.ndim) 
--------------------
输出成果如下：
2

创立指定维度数组

运用 ndim 参数能够创立不同维度的数组

import numpy as np
a = np.array([1, 2, 3,4,5], ndim = 2)
print(a)
------------------------------------
输出成果如下：
[[1 2 3 4 5]]

数组变维

数组的形状指的是多维数组的行数和列数。Numpy 模块供给 reshape() 函数能够改动多维数组行数和列数，然后达到数组变维的目的，如下图：

reshape() 函数能够接受一个元组作为参数，用于指定了新数组的行数和列数，示例如下：

import numpy as np
e = np.array([[11,12],[13,14],[15,16]])
print("原数组",e)
e=e.reshape(2,3)
print("新数组",e)
----------------------------
输出成果如下：
原数组 [[11 12]
 [13 14]
 [15 16]]
新数组 [[11 12 13]
 [14 15 16]]

总结

本文首要介绍了numpy模块的装置以及数组的一些常用方法，后续咱们将介绍numpy的数据类型。