Numpy 使用教程 1

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：

1. bool：布尔类型，1 个字节，值为 True 或 False。
2. int：整数类型，通常为 int64 或 int32 。
3. intc：与 C 里的 int 相同，通常为 int32 或 int64。
4. intp：用于索引，通常为 int32 或 int64。
5. int8：字节（从 -128 到 127）
6. int16：整数（从 -32768 到 32767）
7. int32：整数（从 -2147483648 到 2147483647）
8. int64：整数（从 -9223372036854775808 到 9223372036854775807）
9. uint8：无符号整数（从 0 到 255）
10. uint16：无符号整数（从 0 到 65535）
11. uint32：无符号整数（从 0 到 4294967295）
12. uint64：无符号整数（从 0 到 18446744073709551615）
13. float：float64 的简写。
14. float16：半精度浮点，5 位指数，10 位尾数
15. float32：单精度浮点，8 位指数，23 位尾数
16. float64：双精度浮点，11 位指数，52 位尾数
17. complex：complex128 的简写。
18. complex64：复数，由两个 32 位浮点表示。
19. 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。