Numpy 使用教程--Numpy 安装及数值类型介绍
一、实验介绍
1.1 实验内容
如果你使用 Python 语言进行科学计算,那么一定会接触到 Numpy。Numpy 是支持 Python 语言的数值计算扩充库,其拥有强大的多维数组处理与矩阵运算能力。除此之外,Numpy 还内建了大量的函数,方便你快速构建数学模型。
1.2 实验知识点
- Numpy 安装
- Numpy 数值类型介绍
1.3 实验环境
- python2.7
- Xfce 终端
- ipython 终端
1.4 适合人群
本课程难度为一般,属于初级级别课程,适合具有 Python 基础,并对使用 Numpy 进行科学计算感兴趣的用户。
二、Numpy 简介
Numpy 的英文全称为 Numerical Python,意味 Python 面向数值计算的第三方库。Numpy 的特点在于,针对 Python 内建的数组类型做了扩充,支持更高维度的数组和矩阵运算,以及更丰富的数学函数。
Numpy 是 Scipy.org 中最重要的库之一,它同时也被 Pandas,Matplotlib 等我们熟知的第三方库作为核心计算库。当你在单独安装这些库时,你会发现同时会安装 Numpy 作为依赖。
三、Numpy 安装
首先,我们需要在实验楼的在线环境或者本地安装 Numpy。最方便地,就是通过 pip 来进行安装了。我们只需要打开终端,键入下面的命令就可以完成安装了。
sudo pip install numpy
Windows 用户只需要打开系统命令行工具,输入 pip install numpy
即可。当然,Ubuntu & Debian 用户还可以用 apt-get 安装:
sudo apt-get install python-numpy
四、Numpy 数值类型
安装完毕之后,我们先来了解 Numpy 支持的数据类型。为了更加方便地学习和演示,以下代码在为特别注明的情况下,均在 ipython 交互式终端
运行,你可以通过在线环境左下角系统应用菜单>附件
打开。
Python 本身支持的数值类型有 int
(整型,python2 中存在 long 长整型)、float
(浮点型)、bool
(布尔型) 和 complex
(复数型)。
而 Numpy 支持比 Python 本身更为丰富的数值类型,细分如下:
bool
:布尔类型,1 个字节,值为 True 或 False。int
:整数类型,通常为 int64 或 int32 。intc
:与 C 里的 int 相同,通常为 int32 或 int64。intp
:用于索引,通常为 int32 或 int64。int8
:字节(从 -128 到 127)int16
:整数(从 -32768 到 32767)int32
:整数(从 -2147483648 到 2147483647)int64
:整数(从 -9223372036854775808 到 9223372036854775807)uint8
:无符号整数(从 0 到 255)uint16
:无符号整数(从 0 到 65535)uint32
:无符号整数(从 0 到 4294967295)uint64
:无符号整数(从 0 到 18446744073709551615)float
:float64 的简写。float16
:半精度浮点,5 位指数,10 位尾数float32
:单精度浮点,8 位指数,23 位尾数float64
:双精度浮点,11 位指数,52 位尾数complex
:complex128 的简写。complex64
:复数,由两个 32 位浮点表示。complex128
:复数,由两个 64 位浮点表示。
在 Numpy 中,上面提到的这些数值类型都被归于 dtype(data-type)
对象的实例。
我们可以用 numpy.dtype(object, align, copy)
来指定数值类型。而在数组里面,可以用 dtype=
参数。
import numpy as np
a = np.array([1.1, 2.2, 3.3], dtype=np.float64) # 指定 1 维数组的数值类型为 float64
另外,你可以使用 .astype() 方法在不同的数值类型之间相互转换。
a.astype(int) # 将 a 的数值类型从 float64 转换为 int
最后,你可以使用 .dtype 来查看 dtype 属性。
a.dtype # 查看 a 的数值类型
三、实验总结
了解并数组 Numpy 支持的数值类型至关重要,因为 dtype 参数几乎延伸到了 numpy 中所有与多维数组相关的方法中去。