溫馨提示×
您好，登錄后才能下訂單哦！
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
本篇內(nèi)容主要講解“NDArray與numpy.ndarray怎么互相轉(zhuǎn)換”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“NDArray與numpy.ndarray怎么互相轉(zhuǎn)換”吧!
import numpy as np from mxnet import nd # numpy.ndarray 變 mx.NDArray np_val = np.array([1, 2, 3]) # 定義一個(gè)numpy.ndarray nd_val = nd.array(np_val) # 深復(fù)制 # NDArray 變 numpy.ndarray np_val_ = nd_val.asnumpy()
NumPy的全名為Numeric Python，是一個(gè)開源的Python科學(xué)計(jì)算庫(kù)，它包括：
一個(gè)強(qiáng)大的N維數(shù)組對(duì)象ndrray；
比較成熟的（廣播）函數(shù)庫(kù)；
用于整合C/C++和Fortran代碼的工具包；
實(shí)用的線性代數(shù)、傅里葉變換和隨機(jī)數(shù)生成函數(shù)
NumPy的優(yōu)點(diǎn)：
對(duì)于同樣的數(shù)值計(jì)算任務(wù)，使用NumPy要比直接編寫Python代碼便捷得多；
NumPy中的數(shù)組的存儲(chǔ)效率和輸入輸出性能均遠(yuǎn)遠(yuǎn)優(yōu)于Python中等價(jià)的基本數(shù)據(jù)結(jié)構(gòu)，且其能夠提升的性能是與數(shù)組中的元素成比例的；
NumPy的大部分代碼都是用C語(yǔ)言寫的，其底層算法在設(shè)計(jì)時(shí)就有著優(yōu)異的性能，這使得NumPy比純Python代碼高效得多
當(dāng)然，NumPy也有其不足之處，由于NumPy使用內(nèi)存映射文件以達(dá)到最優(yōu)的數(shù)據(jù)讀寫性能，而內(nèi)存的大小限制了其對(duì)TB級(jí)大文件的處理；此外，NumPy數(shù)組的通用性不及Python提供的list容器。因此，在科學(xué)計(jì)算之外的領(lǐng)域，NumPy的優(yōu)勢(shì)也就不那么明顯。
NumPy最重要的一個(gè)特點(diǎn)就是其N維數(shù)組對(duì)象（即ndarray）,該對(duì)象是一個(gè)快速而靈活的大數(shù)據(jù)集容器，該對(duì)象由兩部分組成：
實(shí)際的數(shù)據(jù)；
描述這些數(shù)據(jù)的元數(shù)據(jù)；
大部分的數(shù)組操作僅僅是修改元數(shù)據(jù)部分，而不改變其底層的實(shí)際數(shù)據(jù)。數(shù)組的維數(shù)稱為秩，簡(jiǎn)單來(lái)說(shuō)就是如果你需要獲取數(shù)組中一個(gè)特定元素所需的坐標(biāo)數(shù)，如a是一個(gè)2×3×4的矩陣，你索引其中的一個(gè)元素必須給定三個(gè)坐標(biāo)a[x,y,z]，故它的維數(shù)就是3。而軸可以理解為一種對(duì)數(shù)組空間的分割，以數(shù)組a為例，如果我們以0為軸，那么a可以看成是一個(gè)由兩個(gè)元素構(gòu)成的數(shù)組，其中每個(gè)元素都是一個(gè)3×4的數(shù)組。
我們可以直接將數(shù)組看作一種新的數(shù)據(jù)類型，就像list、tuple、dict一樣，但數(shù)組中所有元素的類型必須是一致的，Python支持的數(shù)據(jù)類型有整型、浮點(diǎn)型以及復(fù)數(shù)型，但這些類型不足以滿足科學(xué)計(jì)算的需求，因此NumPy中添加了許多其他的數(shù)據(jù)類型，如bool、inti、int64、float32、complex64等。同時(shí)，它也有許多其特有的屬性和方法。
常用ndarray屬性：
dtype 描述數(shù)組元素的類型
shape 以tuple表示的數(shù)組形狀
ndim 數(shù)組的維度
size 數(shù)組中元素的個(gè)數(shù)
itemsize 數(shù)組中的元素在內(nèi)存所占字節(jié)數(shù)
T 數(shù)組的轉(zhuǎn)置
flat 返回一個(gè)數(shù)組的迭代器，對(duì)flat賦值將導(dǎo)致整個(gè)數(shù)組的元素被覆蓋
real/imag 給出復(fù)數(shù)數(shù)組的實(shí)部/虛部
nbytes 數(shù)組占用的存儲(chǔ)空間
常用ndarray方法：
| reshape(…) | 返回一個(gè)給定shape的數(shù)組的副本 |
| resize(…) | 返回給定shape的數(shù)組，原數(shù)組shape發(fā)生改變 |
| flatten()/ravel() | 返回展平數(shù)組，原數(shù)組不改變 |
| astype(dtype) | 返回指定元素類型的數(shù)組副本 |
| fill() | 將數(shù)組元素全部設(shè)定為一個(gè)標(biāo)量值 |
| sum/Prod() | 計(jì)算所有數(shù)組元素的和/積 |
| mean()/var()/std() | 返回?cái)?shù)組元素的均值/方差/標(biāo)準(zhǔn)差 |
| max()/min()/ptp()/median() | 返回?cái)?shù)組元素的最大值/最小值/取值范圍/中位數(shù) |
| argmax()/argmin() | 返回最大值/最小值的索引 |
| sort() | 對(duì)數(shù)組進(jìn)行排序，axis指定排序的軸；kind指定排序算法，默認(rèn)是快速排序 |
| view()/copy() | view創(chuàng)造一個(gè)新的數(shù)組對(duì)象指向同一數(shù)據(jù)；copy是深復(fù)制 |
| tolist() | 將數(shù)組完全轉(zhuǎn)為列表，注意與直接使用list(array)的區(qū)別 |
| compress() | 返回滿足條件的元素構(gòu)成的數(shù)組 |
到此，相信大家對(duì)“NDArray與numpy.ndarray怎么互相轉(zhuǎn)換”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號(hào)
手機(jī)網(wǎng)站二維碼
