python numpy、scipy安装及numpy的初步使用

安装方法

• 推荐使用.whl文件安装。我尝试了使用pip直接安装，虽然可以安装，但在import scipy时，出现ImportError: cannot import name NUMPY_MKL，这是因为scipy依赖了numpy，numpy要安装numpy+mkl(Intel Math Kernel Library)。在安装scipy时出错，可以到http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy这个网页上下载。

numpy的一些用法

# 构建一个一维数组
a = numpy.array([0, 1, 2, 3, 4, 5])
print(a)

# 空间维数
print(a.ndim)

# 返回一个(列, 行)元组, 注意一维为(n, ), 一维以上为(n, m)
print(a.shape)  
"""
>>>[0 1 2 3 4 5]
>>>1
>>>(6,)
"""

# 将一维矩阵转换成二维矩阵
a = numpy.array([0, 1, 2, 3, 4, 5])
b = a.reshape((3, 2))
print(b)
"""
[[0 1]
 [2 3]
 [4 5]]

"""

# numpy中也存在拷贝问题
a = numpy.array([0, 1, 2, 3, 4, 5])
b = a
b[0] = 2333
print(a)
print(b)
"""
[2333    1    2    3    4    5]
[2333    1    2    3    4    5]
"""

# 应该使用copy()函数
c = a.copy()
c[0] = 0

print(a)
print(b)
print(c)
"""
[2333    1    2    3    4    5]
[2333    1    2    3    4    5]
[0 1 2 3 4 5]
"""

a = numpy.array([0, 1, 2, 3, 4, 5])
b = a.copy()

# numpy中对数组的操作可以传递到每个元素上
print(b*2)
print(b)
"""
>>>[ 0  2  4  6  8 10]
>>>[0 1 2 3 4 5]
"""

# 利用这一点,可以用来修剪异常值
a[a > 4] = 4
print(a)
"""
>>>[0 1 2 3 4 4]
"""

# 或者利用clip(a, b)函数，将不再(a, b)范围内的数更改为b
print(b.clip(0, 4))
"""
>>>[0 1 2 3 4 4]
"""

# 处理不存在的值
a = numpy.array([0, 1, 2, 3, numpy.NAN, 4, 5])
print(a)
print(numpy.isnan(a))
print(a[~numpy.isnan(a)])  # 去除nan值
print(numpy.mean(~numpy.isnan(a)))  # 计算平均值
"""
>>>[  0.   1.   2.   3.  nan   4.   5.]
>>>[False False False False  True False False]
>>>[ 0.  1.  2.  3.  4.  5.]
>>>0.857142857143
"""

使用三种方法计算0到1000的平方和所花费时间

import timeit

s1 = timeit.timeit(stmt='sum(x*x for x in range(1000))', 
                   number=1000)
s2 = timeit.timeit(stmt='sum(a*a)', 
                   setup='import numpy; a=numpy.arange(1000)', 
                   number=1000)
s3 = timeit.timeit(stmt='a.dot(a).sum()', 
                   setup='import numpy; a=numpy.arange(1000)', 
                   number=1000)

print(s1)
print(s2)
print(s3)
"""
>>>0.24655170031639762
>>>0.2955362870355932
>>>0.007861582461743177
"""

更多详细的用法参考：
- https://docs.scipy.org/doc/numpy/reference/
- https://docs.scipy.org/doc/numpy/user/