Numpy Python 使用感想

Numpy Python 使用感想

为了解决学习中遇到的一个小问题，最近使用 Numpy 写了一个小软件。这大概是我写的第一个多少有一点点实用价值的软件了。将 Numpy 使用过程中的一点小收获记录在这里，算作一次小小的总结吧。

Numpy 简介

如果有 MATLAB 的使用经验，那 Numpy 使用起来应该也会比较轻松。

ndarray

Numpy 的基础数据形式是 ndarray，类似于 MATLAB 的矩阵。ndarray 可以是任意维度，numpy.asarray() 函数可以方便的从列表之列的数据结构创建 ndarray。当然，还有很多生成特定矩阵的函数。
有一些我认为至关重要的函数：

# ndarray. 代表一个 ndarray 对象的成员函数，下同
ndarray.dtype
# 得到数组中的数据类型。这不是一个成员函数，不需要函数调用运算符。
ndarray.astype("int")
# 类型转换。注意，该成员函数不改变 ndarray 本身，而是返回改变之后的对象
ndarray.shape
# 得到数组的形状，比如 3*4 的矩阵返回 (3,4)

与 MATLAB 相似，Numpy 中的函数大部分可以直接作用在 ndarray 上。

数据类型

dtype 常用的数据类型有：int,float,bool 等。还可以用严谨的语法指定更加精确的数据类型，但是在我的低性能运算中没必要。
unsigned 数据类型一不小心就会 1-2 得到一个很大的数。测试表明，只要运算对象中有一个 int, 运算结果就不会因为得到负数而溢出。只要运算对象中有一个 float, 运算结果就是 float.

常用函数

本来以为 Numpy 需要好好学一下，实际上发现这就是一个库而已，随用随查就行了。这里是一些常用的函数，实际上在一项工作中可能只会用到一部分。这里只非常简略的记录了一些便于自己查阅的摘要，要了解函数的具体用法和功能，建议使用 IPython 查询在线帮助。

这些函数是在阅读《NumPy Beginner Guide 2nd Edition》时做得笔记。现在想想，在写我的程序时确实已经足够了——实际上大部分都用不到。

dtype

a = arange([
arange(2),
arange(2)
])
a.dtype
a.dtype.itemsize
a.shape
a[0,1]

arange(7,dtype='f')
%