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：
|
转播
