Python中的Numpy入門教程.docx

Python中的Numpy入門教程這篇文章主要介紹了Python中的Numpy入門教程，著重講解了矩陣中的數(shù)組操作,需要的朋友可以參考下1、Numpy是什么很簡單，Numpy是Python的一個科學(xué)計算的庫，提供了矩陣運算的功能，其一般與Scipy、matplotlib一起使用。其實，list已經(jīng)提供了類似于矩陣的表示形式，不過numpy為我們提供了更多的函數(shù)。如果接觸過matlab、scilab，那么numpy很好入手。 在以下的代碼示例中，總是先導(dǎo)入了numpy：復(fù)制代碼代碼如下: import numpy as np print np.version.version1.6.22、多維數(shù)組多維數(shù)組的類型是：numpy.ndarray。使用numpy.array方法以list或tuple變量為參數(shù)產(chǎn)生一維數(shù)組：復(fù)制代碼代碼如下: print np.array(1,2,3,4)1 2 3 4 print np.array(1.2,2,3,4) 1.2 2. 3. 4. print type(np.array(1.2,2,3,4)以list或tuple變量為元素產(chǎn)生二維數(shù)組：復(fù)制代碼代碼如下: print np.array(1,2,3,4)1 23 4生成數(shù)組的時候，可以指定數(shù)據(jù)類型，例如32, 16, and numpy.float64等：復(fù)制代碼代碼如下: print np.array(1.2,2,3,4), dtype=32)1 2 3 4使用numpy.arange方法復(fù)制代碼代碼如下: print np.arange(15) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 print type(np.arange(15) print np.arange(15).reshape(3,5) 0 1 2 3 4 5 6 7 8 910 11 12 13 14 print type(np.arange(15).reshape(3,5)使用numpy.linspace方法例如，在從1到3中產(chǎn)生9個數(shù)：復(fù)制代碼代碼如下: print np.linspace(1,3,9) 1. 1.25 1.5 1.75 2. 2.25 2.5 2.75 3. 使用numpy.zeros，numpy.ones，numpy.eye等方法可以構(gòu)造特定的矩陣?yán)纾簭?fù)制代碼代碼如下: print np.zeros(3,4) 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. print np.ones(3,4) 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. print np.eye(3) 1. 0. 0. 0. 1. 0. 0. 0. 1.創(chuàng)建一個三維數(shù)組：復(fù)制代碼代碼如下: print np.zeros(2,2,2) 0. 0. 0. 0. 0. 0. 0. 0.獲取數(shù)組的屬性：復(fù)制代碼代碼如下: a = np.zeros(2,2,2) print a.ndim #數(shù)組的維數(shù)3 print a.shape #數(shù)組每一維的大小(2, 2, 2) print a.size #數(shù)組的元素數(shù)8 print a.dtype #元素類型float64 print a.itemsize #每個元素所占的字節(jié)數(shù)8數(shù)組索引，切片，賦值示例：復(fù)制代碼代碼如下: a = np.array( 2,3,4,5,6,7 ) print a2 3 45 6 7 print a1,27 print a1,:5 6 7 print a1,1:26 a1,: = 8,9,10 print a 2 3 4 8 9 10使用for操作元素復(fù)制代碼代碼如下: for x in np.linspace(1,3,3):. print x.1.02.03.0基本的數(shù)組運算先構(gòu)造數(shù)組a、b：復(fù)制代碼代碼如下: a = np.ones(2,2) b = np.eye(2) print a 1. 1. 1. 1. print b 1. 0. 0. 1.數(shù)組的加減乘除：復(fù)制代碼代碼如下: print a 2False FalseFalse False print a+b 2. 1. 1. 2. print a-b 0. 1. 1. 0. print b*2 2. 0. 0. 2. print (a*2)*(b*2) 4. 0. 0. 4. print b/(a*2) 0.5 0. 0. 0.5 print (a*2)*4 16. 16. 16. 16.使用數(shù)組對象自帶的方法：復(fù)制代碼代碼如下: a.sum()4.0 a.sum(axis=0) #計算每一列（二維數(shù)組中類似于矩陣的列）的和array( 2., 2.) a.min()1.0 a.max()1.0使用numpy下的方法：復(fù)制代碼代碼如下: np.sin(a)array( 0.84147098, 0.84147098, 0.84147098, 0.84147098) np.max(a)1.0 np.floor(a)array( 1., 1., 1., 1.) np.exp(a)array( 2.71828183, 2.71828183, 2.71828183, 2.71828183) np.dot(a,a) #矩陣乘法array( 2., 2., 2., 2.)合并數(shù)組使用numpy下的vstack和hstack函數(shù)：復(fù)制代碼代碼如下: a = np.ones(2,2) b = np.eye(2) print np.vstack(a,b) 1. 1. 1. 1. 1. 0. 0. 1. print np.hstack(a,b) 1. 1. 1. 0. 1. 1. 0. 1.看一下這兩個函數(shù)有沒有涉及到淺拷貝這種問題：復(fù)制代碼代碼如下: c = np.hstack(a,b) print c 1. 1. 1. 0. 1. 1. 0. 1. a1,1 = 5 b1,1 = 5 print c 1. 1. 1. 0. 1. 1. 0. 1.可以看到，a、b中元素的改變并未影響c。深拷貝數(shù)組數(shù)組對象自帶了淺拷貝和深拷貝的方法，但是一般用深拷貝多一些：復(fù)制代碼代碼如下: a = np.ones(2,2) b = a b is aTrue c = a.copy() #深拷貝 c is aFalse基本的矩陣運算轉(zhuǎn)置：復(fù)制代碼代碼如下: a = np.array(1,0,2,3) print a1 02 3 print a.transpose()1 20 3跡：復(fù)制代碼代碼如下: print np.trace(a)4numpy.linalg