1. numpy科学计算基础库
1.1 什么是numpy
NumPy(Numerical Python)是Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
NumPy的前身Numeric最早是由Jim Hugunin与其它协作者共同开发，2005 年，Travis Oliphant在Numeric中结合了另一个同性质的程序库Numarray的特色，并加入了其它扩展而开发了NumPy。NumPy为开放源代码并且由许多协作者共同维护开发。
NumPy是一个运行速度非常快的数学库，主要用于数组计算，包含：
- 一个强大的N维数组对象 ndarray
- 广播功能函数
- 整合 C/C++/Fortran 代码的工具
- 线性代数、傅里叶变换、随机数生成等功能
1.2 创建数组(矩阵)
# coding=utf-8 import numpy as np #使用numpy生成数组,得到ndarray的类型 t1 = np.array([1,2,3,]) print(t1) print(type(t1)) t2 = np.array(range(10)) print(t2) print(type(t2)) t3 = np.arange(4,10,2) print(t3) print(type(t3)) print(t3.dtype)
运行结果
1.3 数据类型
| 名称 | 描述 |
|---|---|
| bool_ | 布尔型数据类型（True 或者 False） |
| int_ | 默认的整数类型（类似于 C 语言中的 long，int32 或 int64） |
| intc | 与 C 的 int 类型一样，一般是 int32 或 int 64 |
| intp | 用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64） |
| int8 | 字节（-128 to 127） |
| int16 | 整数（-32768 to 32767） |
| int32 | 整数（-2147483648 to 2147483647） |
| int64 | 整数（-9223372036854775808 to 9223372036854775807） |
| uint8 | 无符号整数（0 to 255） |
| uint16 | 无符号整数（0 to 65535） |
| uint32 | 无符号整数（0 to 4294967295） |
| uint64 | 无符号整数（0 to 18446744073709551615） |
| float_ | float64 类型的简写 |
| float16 | 半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位 |
| float32 | 单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位 |
| float64 | 双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位 |
| complex_ | complex128 类型的简写，即 128 位复数 |
| complex64 | 复数，表示双 32 位浮点数（实数部分和虚数部分） |
| complex128 | 复数，表示双 64 位浮点数（实数部分和虚数部分） |
# coding=utf-8 import numpy as np import random # int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替 t1 = np.array(range(1,4),dtype="i1") print(t1) print(t1.dtype) ##numpy中的bool类型 t2 = np.array([1,1,0,1,0,0],dtype=bool) print(t2) print(t2.dtype) #调整数据类型 t3 = t2.astype("int8") print(t3) print(t3.dtype) #numpy中的小数 t4 = np.array([random.random() for i in range(10)]) print(t4) print(t4.dtype) t5 = np.round(t4,2) print(t5)
运行结果：
1.4 数组的形状
# coding=utf-8 import numpy as np a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]]) print(a) #查看数组形状 print(a.shape) #修改数组形状 print(a.reshape(3,4)) #原数组形状不变 print(a.shape) b = a.reshape(3,4) print(b.shape) print(b) #把数组转化为1维度数据 print(b.reshape(1,12)) print(b.flatten())
运行结果：
1.5 数组和数的计算
# coding=utf-8 import numpy as np a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]]) print(a) #加法减法 print(a+5) print(a-5) #乘法除法 print(a*3) print(a/3)
运行结果：
1.6 数组和数组的计算
# coding=utf-8 import numpy as np a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]]) b = np.array([[21,22,23,24,25,26],[27,28,29,30,31,32]]) #数组和数组的加减法 print(a+b) print(a-b) #数组和数组的乘除法 print(a*b) print(a/b)
运行结果：
不同维度数组的计算：
# coding=utf-8 import numpy as np a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]]) c = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]]) #不同维度的数组计算 print(a*c)
运行结果：
# coding=utf-8 import numpy as np #2行6列的数组 a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]]) #1行6列的数组 c = np.array([1,2,3,4,5,6]) print(a-c) print(a*c)
运行结果：
# coding=utf-8 import numpy as np #2行6列的数组 a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]]) #1行6列的数组 c = np.array([[1],[2]]) print(a+c) print(a*c) print(c*a)
运行结果：
内容来源于网络如有侵权请私信删除
文章来源: 博客园
- 还没有人评论，欢迎说说您的想法！
客服
