Python科学计算学习：1、Numpy

鲁智深坐捻绣花针

已于 2023-03-03 21:33:51 修改

阅读量119

点赞数

分类专栏： Python科学计算文章标签： python numpy Powered by 金山文档

于 2023-03-03 17:48:11 首次发布

本文链接：https://blog.csdn.net/faltas/article/details/129322480

版权

Python科学计算专栏收录该内容

19 篇文章 3 订阅

订阅专栏

Numpy是python的一个包，因为python自己的列表，元组这些都没有和c++的数组那样好用，所以人家就开发了这么一个包，我也是这两天重新开始接触python（因为听书pycuda简单好用，所以想着从python出发来使用cuda解决问题），买了本黑皮书《Python科学计算》，从头开始重新学，所以，就先从Numpy开始学。

Numpy的下载和安装：

conda我没用过，不晓得怎么用conda去下载Numpy，但是，我找了一篇利用Conda下载python扩展库的教程，觉得讲的不错，如果有想使用conda，可以参考这篇文章：(1条消息) Anaconda下载及安装详细教程（图文）_anaconda下载安装教程_Yanir7的博客-CSDN博客

我用的比较简单的方法，pip直接下载：

pip install Numpy

如果你的pip下载过于缓慢，可以参考这篇文章，对pip进行换源，我现在用的是清华的源，感觉速度还是比较快的：(1条消息) Python pip换源所有方法_AI悦创|编程1v1的博客-CSDN博客

安装好之后，可以试着在cmd输入

pip show numpy

显示成这个样子就说明你的numpy已经安装好了，是可以正常使用的，

好了，前期准备工作结束之后，就可以开始使用Numpy了

使用也非常的简单：

import numpy as np #这个as np写不写是随你的，写了，就是后面调用numpy对象的时候，可以写成如np.array的形式,不写的话就是numpy.array，差别其实不大

好了，现在来照着书上的讲解先讲解一下numpy：它的基本对象是ndarray，是对象的数组，可以是多维的，内部的元素必须是相同的数据类型，而且，创建的数组对象在创建伊始就已经确定好了大小，是不能再被更改的，她可以提供接近编译语言的性能，是比较高效的（python是解释型语言，很慢，我常用的c++和之前学的fortran都是编译型语言，速度很快）。

哎，我之前不知道哎，原来numpy二维数组相乘这么简单：

import numpy
#c++：
for(int i=0;i<array.length;i++){
    for(int j=0;j<array.length;j++){
        c[i][j]=a[i][j]*b[i][j];
    }
}
#这是个O(x^2)级的运算
#numpy可以直接这样子搞：
c=a*b

这么简单的呀！！！

好了，言归正传，开始Numpy的学习：

一维数组（向量）：这是数值计算的基本构造模块，有两种构造函数，一种是从零开始进行构建，另外一种是基于对另一个对象的相似来构造：

首先，第一种：np.linspace，用来构造均匀分布的浮点数（float）数组，调用格式也很简单：

a=np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None,axis=0)

在这里，a是一个长度为num=50的数组，他的第一个元素是start，即a[0]=strat,最后一个元素是stop，a[num-1]=stop，或者是a[-1]=stop（endpoint=True的时候），如果说是endpoint=False那么，step=（stop-start）/（num-1），最有一个元素是a[-1]=stop-step；那么通俗的理解就是，endpoint决定a是半开区间还是闭区间，retstep如果是true的话那么返回一个包含数组和step的元组举例试一下：

还有np.logspace,他和np.linspace差不多，就是人家数值是按对数刻度均匀分布的：

logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None,axis=0):

试一下吧：

哇，学到了学到了，

np.arange()也是一种，他和python自带的range差不多，但是，他返回的是一个数组：

呦呵，复数也是信手拈来啊，好得很好得很！

然后还可以构造全零的：np.zero(num,dtype=)，这个就很简单了，你直接输出就发现，这是个全零的向量，更有np.array：举个书上的例子：

p_object是个任何可索引的容器对象，你可以放到，列表、元组、甚至是同类型另一个数组，他函数会自动的判断出p_object的类型，你可以用dtype去指定要转换的类型，自带的bool、float、complex，和你自己写的对象都可以，还是书上的两个例子：

行了，先写到这，晚上考自然辩证法，考完再学另一种构造方法

numpy的这个相似构造函数还挺有意思的：

你比如说，用np.sin(x)产生一个新的数组，这个数组的数值对应着前一张图片的x的正弦数值：

还有，创建一个和x大小一样的空数组：这就可以用np.empty_like(x),

这样可以看到的是，h数组内部是有数值的，虽然我们创建的是一个空数组，但是numpy还是为这个数组添加了值，这是因为，他不能真正的做到物理上的空，哈哈哈，其实也可以用zero_like来做，这样的话，输出的就是和x同样大小的全零数组，然后，我们竟然可以用np.hstack(x,y,z)的方式给他们结合起来，这样的话，就可以解决一个非常棘手的问题，构造一个有多个小区间（每个小区间的step都不一样）的跨越一个大区间的向量，哇看着就心动，嘿嘿，try一try看看：