目录

一.numpy库简介与安装

numpy库的安装

二.numpy核心功能

1.矩阵处理

2.数学运算

三.数据的维度与属性

1.维度管理

2.属性方法

四.数据类型与存储范围

五.矩阵形状与维度操作

六.数据升维与reshape()方法

---

一.numpy库简介与安装

NumPy是Python中用于科学计算的核心库之一，提供高性能的多维数组对象（ndarray）及工具，适用于数值计算、数据分析和机器学习等领域。

numpy库的安装

pip install numpy==1.23.5 -i 镜像源地址

注意：

若安装失败，需检查Python版本兼容性（如3.7/3.9适配1.x版本，避免2.x版本）。

二.numpy核心功能

1.矩阵处理

• 将数据存储为矩阵（ndarray类型），显著提升计算速度（底层由C语言实现）。
• 支持高维数据（如二维、三维矩阵），可通过numpy.array()转换列表为矩阵。

2.数学运算

• 集成数学库功能（如sin, cos, abs等），支持矩阵转置、求逆、微分等高级运算。
• 对比Python原生列表：numpy提供更丰富的数学操作且计算效率更高。

三.数据的维度与属性

1.维度管理

• 一维矩阵（如[1 2 3 4 5 6]）显示为无逗号排列。

  import numpy as np
  list =[1,2,3,4,5,6]
  print(np.array(list))

  
• 高维矩阵（如三维）需通过索引（如z0, z1）查看不同层级数据。

  import numpy as np
  list =[1,2,3,4,5,6]
  z=np.array([[list,list,list],[list,list,list],[list,list,list]])
  

  

2.属性方法

• cshape：返回矩阵形状（如(5,)表示一维5元素)。

  x=np.array([1,2,3,4,5])
  print(x.shape)

  

• (3,3,6)表示三维数据，共有3×3×6个元素

  import numpy as np
  list =[1,2,3,4,5,6]
  m = np.array([list,list,list])
  y= np.array([m,m,m])
  print(y.shape)

  

• ndim：返回维度数（如三维矩阵返回3）。

  import numpy as np
  list =[1,2,3,4,5,6]
  m = np.array([list,list,list])
  y= np.array([m,m,m])
  print(y.ndim)

  

• dtype：查看数据类型（默认int32表示32位整数）。

四.数据类型与存储范围

• int8 的最小值为 0（二进制全为 0），最大值为 256（二进制全为 1），实际存储范围为 0 到 255。
• 自然界中的亮度值（如 RGB 颜色）范围是 0 到 255，因此计算机视觉中常用 int8 存储颜色值。
• int32 的存储范围为 0 到 2³²，适用于大数值存储；float32 和 float64 用于高精度浮点数（如保留多位小数）。

• 五.矩阵形状与维度操作

• shape：描述矩阵的行列结构（如 3 行 5 列返回 (3, 5)）。
• ndim：返回矩阵的维度数（一维返回 1，二维返回 2）。
• size：返回矩阵中元素的总数（如 15 个数据返回 15）。

  import numpy as np
  list =[1,2,3,4,5,6]
  m = np.array([list,list,list])
  print(m.size)

  

1. dtype：返回矩阵元素的数据类型

   int8, int16, int32, int64: 表示不同长度的有符号整数。

   uint8, uint16, uint32, uint64: 表示不同长度的无符号整数。

   float16, float32, float64 (float 是 float64 的简写): 表示不同精度的浮点数。

   complex64, complex128 (complex 是 complex128 的简写): 表示复数，其中64和128表示复数的实部和虚部的位数。

   bool: 布尔类型，可以存储True或False。

   str_: 表示定长字符串，可以通过添加数字来指定字符串的长度，如 'S10' 表示长度为10的字符串。

   object: 表示Python对象类型，可以用来存储任意Python对象。

六.数据升维与reshape()方法

• reshape：将一维数据转换为多维矩阵，需指定新形状（如 (4, 4) 将 16 个数据转为 4 行 4 列）。参数 newshape 可为元组（如 (4, 4)）或使用 -1 自动计算维度（如 reshape(4, -1) 表示 4 行，列数自动推导为 4）。

  list1=[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]
  v=np.array(list1)
  print(v.reshape(4,4))

  

  list1=[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]
  v=np.array(list1)
  print(v.reshape(4,-1))

  

• 三维转换示例：reshape(1, -1, 2) 将 16 个数据转为 1×8×2 的三维结构。

  list1=[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]
  v=np.array(list1)
  print(v.reshape(1,-1,2))

  

• resize：调整矩阵大小，可直接修改原始数据到相应的维度，返回值 None。reshape()方法则返回的是修改后的矩阵而原来的矩阵并不会改变

  不返回计算结果，直接修改原始数组

  list1=[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]
  v=np.array(list1)
  r = v.resize(4,4)#直接会修改原始数据到相应的维度
  print(r)
  print(v)
  print(v.ndim)