📅  最后修改于: 2023-12-03 15:34:12.246000             🧑  作者: Mango
在 Python 中,NumPy 是一个用于科学计算的库。 它包括:
ndarray
在 NumPy 中可以生成各种类型的整数数组,例如:
import numpy as np
# 生成一个从0到4的整数数组
arr1 = np.arange(5)
print(arr1)
# 生成一个从1到10,步长为2的整数数组
arr2 = np.arange(1, 10, 2)
print(arr2)
# 生成一个长度为3,随机整数元素的一维数组
arr3 = np.random.randint(0, 10, 3)
print(arr3)
# 生成一个3x3的随机整数矩阵
arr4 = np.random.randint(0, 10, (3, 3))
print(arr4)
输出结果:
[0 1 2 3 4]
[1 3 5 7 9]
[2 0 3]
[[0 0 5]
[1 0 2]
[2 7 4]]
NumPy 提供了一些低级整数类型,例如 byte
, short
, int
, long
。 它们的用法和 Python 中的整数类型类似,只不过它们是固定长度的,与平台无关。
a = np.array([1, 2, 3], dtype=np.int8)
print(a)
输出结果:
[1 2 3]
NumPy中的数组支持与标量和其他数组的算术运算。 运算符 +
,-
,*
,/
,//
,**
分别对应加、减、乘、除、地板除以及指数运算。 可以在数组之间执行逐元素运算。
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
# 加法
print(a + b)
# 减法
print(a - b)
# 乘法
print(a * b)
# 除法
print(a / b)
输出结果:
[5 7 9]
[-3 -3 -3]
[ 4 10 18]
[0.25 0.4 0.5 ]
NumPy 中还包含了众多的数学函数,例如 sin
, cos
, tan
, log
, sqrt
等。 这些函数可以直接应用于整数数组,它们会将函数应用于每个元素。
a = np.array([0, 1, 2])
print(np.sin(a))
b = np.array([1, 2, 3])
print(np.log(b))
输出结果:
[0. 0.84147098 0.90929743]
[0. 0.69314718 1.09861229]
整数是 NumPy 中的一个重要的数据类型。 它们可以用来描述离散的、有限的值。 NumPy 为整数类型提供了支持,并且包含了大量的函数,可以用来处理整数数组。 通过这些工具,我们可以轻松地进行数据处理、统计、计算等操作。