【脚本语言系列】关于Python数值计算NumPy, 你需要知道的事

如何使用NumPy？

创建ndarray

• 直接创建
  
  • 数组，其元素为0~100
    
    import numpy as np
    arr = np.arange(100)
    
  • 数组，其元素均为0
    
    import numpy as np
    arr = np.arange(100)
    
  • 数组，其元素为0~1之间的100等分
    
    import numpy as np
    arr = np.linspace(0, 1, 100)
    
  • 数组，其元素为0~1之间的100等份以10为底的对数
    
    import numpy as np
    arr = np.logspace(0, 1, 100, base = 10.0)
    
  • 数组，尺寸5*5，其元素为0
    
    import numpy as np
    image = np.zeros((5, 5))
    
  • 数组，尺寸5*5*5，其元素为1(整型)
    
    import numpy as np
    cube = np.zeros((5, 5, 5)).astype(int) + 1
    
  • 数组，尺寸5*5*5，其元素为1(浮点型)
    
    import numpy as np
    cube = np.ones((5, 5, 5)).astype(np.float16)
    

创建recarrays

• 直接创建
  
  • 记录列表
    
    import numpy as np
    recarr = np.zeros((2,), dtype=(‘i4,f4,a10’))
    toadd = [(1,2.,’Hello’),(2,3.,”World”)]
    recarr[:] = toadd
    
• 转化创建
  
  • 记录列表
    
    import numpy as np
    recarr = np.zeros((2,), dtype = (‘i4, f4, a10’))
    col1 = np.arange(2)+1
    col2 = np.arange(2, dtype = np.float32)
    col3 = [‘Hello’, ‘World’]
    toadd = zip(col1, col2, col3)
    recarr[:] = toadd
    

操纵ndarray

• 索引
  
  • 获取元素
    
    import numpy as np
    alist = [[1,2], [3,4]]
    arr = np.array(alist)
    arr[0, 1] # the (1,2) Element
    
  • 获取列
    
    import numpy as np
    alist = [[1,2], [3,4]]
    arr = np.array(alist)
    arr[1, :] # the 2nd Row
    
  • 获取行
    
    import numpy as np
    alist = [[1,2], [3,4]]
    arr = np.array(alist)
    arr[: , 1] # the 2nd Col
    
    
    • 切片
  • 获取元素
    
    import numpy as np
    arr = np.arange(5)
    index = np.where(arr>1)
    new_arr = arr[index]
    
  • 获取元素
    
    import numpy as np
    arr = np.arange(5)
    index = arr>1
    new_arr = arr[index]
    
  • 删除元素
    
    import numpy as np
    arr = np.arange(5)
    index = np.where(arr>1)
    new_arr = np.delete(arr, index)
    
• 读写
  
  • 写文本文件
    
    import numpy as np
    arr = np.loadtxt(‘somefile.txt’)
    np.savetxt(‘somenewfile.txt’)
    
  • 读文本文件
    
    import numpy as np
    table = np.loadtxt(‘example.txt’,
    dtype=’names’: (‘ID’, ‘Result’, ‘Type’),
    ‘formats’: (‘S4’, ‘f4’, ‘i2’))
    
  • 写二进制文件
    
    import numpy as np
    data = np.empty((1000, 1000))
    np.save(‘test.npy’, data)
    
  • 写二进制文件
    
    import numpy as np
    data = np.empty((1000, 1000))
    np.savez(‘test.npz’, data)
    
  • 读二进制文件
    
    import numpy as np
    newdata = np.load(‘test.npy’)
    
  • 读二进制文件
    
    import numpy as np
    newdata = np.load(‘test.npz’)
    

数学运算

• 线性代数
  
  • 线性方程组求解
    $$\begin{matrix}3&1&-5\\ 1&-1& 1\\ 4& 1 & 3\end{matrix} \begin{matrix} x\\ y\\ z\end{matrix}= \begin{matrix} 11\\ -3\\ 9\end{matrix}$$
    
    import numpy as np
    a = np.array([[3, 1, -5],
    [1, -1, 1],
    [4, 1, 3]])
    b = np.array([12, -2, 10])
    x = np.linalg.inv(a).dot(b)
    

NumPy是什么?

NumPy是专用于科学计算的基础Python宏包。
它增加了n维数组的能力、单元化的运算（广播）、如线性代数等等的核心数学运算、并且能够使用C／C++和Fortran代码。

为什么用NumPy？

Python存储数据的数据类型list和dict。Python list对象可以存储任何类型的Python对象作为元素。但是，只能通过循环迭代对list中元素进行操作，导致在Python中计算效率低。
为了帮助用户克服以上缺陷，NumPy提供了一种数据存储对象叫做ndarray。与list类似，但比起在同一个list中存储不同数据类型的高度灵活做法，ndarray中采用了每一列中的元素数据类型都是相同的方式。比方说，对于一个Python list，第一个list元素是列表，第二个list元素是列表和字典。对于一个Numpy 数组，只有同一数据类型的元素能够存储其中。

何时不用NumPy?

由于NumPy是使用C语言编写而成的且被视为“不安全”代码，所以不能使用NumPy制作Google App Engine应用程序；
同样，由于大部分NumPy模块是使用C语言编写而成的，所以Java也调用不了NumPy的大部分模块。

SciPy and NumPy by Eli Bressert;
Copyright © 2013 Eli Bressert.
NumPy 1.5 Beginner’s Guide by Ivan Idris;
Copyright © 2011 Packt Publishing.
NumPy Beginner’s Guide Second Edition by Ivan Idris;
Copyright © 2013 Packt Publishing.
NumPy Beginner’s Guide Third Edition by Ivan Idris;
Copyright © 2015 Packt Publishing.
NumPy Cookbook by Ivan Idris
Copyright © 2012 Packt Publishing.
NumPy Cookbook Second Edition by Ivan Idris
Copyright © 2015 Packt Publishing
Learning NumPy Array by Ivan Idris;
Copyright © 2014 Packt Publishing.