python中的numpy入门教程_Python中的Numpy入门教程

Python中的Numpy入门教程

发布于 2014-10-19 20:54:49 | 275 次阅读 | 评论: 0 | 来源: 网友投递

Python编程语言Python 是一种面向对象、解释型计算机程序设计语言，由Guido van Rossum于1989年底发明，第一个公开发行版发行于1991年。Python语法简洁而清晰，具有丰富和强大的类库。它常被昵称为胶水语言，它能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在一起。

本文为大家讲解的是Python中的Numpy入门教程，着重讲解了矩阵中的数组操作,需要的朋友可以参考下

1、Numpy是什么

很简单，Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。如果接触过matlab、scilab，那么numpy很好入手。 在以下的代码示例中，总是先导入了numpy：

>>> import numpy as np

>>> print np.version.version

1.6.2

2、多维数组

多维数组的类型是：numpy.ndarray。

使用numpy.array方法

以list或tuple变量为参数产生一维数组：

>>> print np.array([1,2,3,4])

[1 2 3 4]

>>> print np.array((1.2,2,3,4))

[ 1.2  2.   3.   4. ]

>>> print type(np.array((1.2,2,3,4)))

以list或tuple变量为元素产生二维数组：

>>> print np.array([[1,2],[3,4]])

[[1 2]

[3 4]]

生成数组的时候，可以指定数据类型，例如numpy.int32, numpy.int16, and numpy.float64等：

>>> print np.array((1.2,2,3,4), dtype=np.int32)

[1 2 3 4]

使用numpy.arange方法

>>> print np.arange(15)

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]

>>> print type(np.arange(15))

>>> print np.arange(15).reshape(3,5)

[[ 0  1  2  3  4]

[ 5  6  7  8  9]

[10 11 12 13 14]]

>>> print type(np.arange(15).reshape(3,5))

使用numpy.linspace方法

例如，在从1到3中产生9个数：

>>> print np.linspace(1,3,9)

[ 1.    1.25  1.5   1.75  2.    2.25  2.5   2.75  3.  ]

使用numpy.zeros，numpy.ones，numpy.eye等方法可以构造特定的矩阵

例如：

>>> print np.zeros((3,4))

[[ 0.  0.  0.  0.]

[ 0.  0.  0.  0.]

[ 0.  0.  0.  0.]]

>>> print np.ones((3,4))

[[ 1.  1.  1.  1.]

[ 1.  1.  1.  1.]

[ 1.  1.  1.  1.]]

>>> print np.eye(3)

[[ 1.  0.  0.]

[ 0.  1.  0.]

[ 0.  0.  1.]]

创建一个三维数组：

>>> print np.zeros((2,2,2))

[[[ 0.  0.]

[ 0.  0.]]

[[ 0.  0.]

[ 0.  0.]]]

获取数组的属性：

>>> a = np.zeros((2,2,2))

>>> print a.ndim   #数组的维数

3

>>> print a.shape  #数组每一维的大小

(2, 2, 2)

>>> print a.size   #数组的元素数

8

>>> print a.dtype  #元素类型

float64

>>> print a.itemsize  #每个元素所占的字节数

8

数组索引，切片，赋值

示例：

>>> a = np.array( [[2,3,4],[5,6,7]] )

>>> print a

[[2 3 4]

[5 6 7]]

>>> print a[1,2]

7

>>> print a[1,:]

[5 6 7]

>>> print a[1,1:2]

[6]

>>> a[1,:] = [8,9,10]

>>> print a

[[ 2  3  4]

[ 8  9 10]]

使用for操作元素

>>> for x in np.linspace(1,3,3):

...     print x

...

1.0

2.0

3.0

基本的数组运算

先构造数组a、b：

>>> a = np.ones((2,2))

>>> b = np.eye(2)

>>> print a

[[ 1.  1.]

[ 1.  1.]]

>>> print b

[[ 1.  0.]

[ 0.  1.]]

数组的加减乘除：

>>> print a > 2

[[False False]

[False False]]

>>> print a+b

[[ 2.  1.]

[ 1.  2.]]

>>> print a-b

[[ 0.  1.]

[ 1.  0.]]

>>> print b*2

[[ 2.  0.]

[ 0.  2.]]

>>> print (a*2)*(b*2)

[[ 4.  0.]

[ 0.  4.]]

>>> print b/(a*2)

[[ 0.5  0. ]

[ 0.   0.5]]

>>> print (a*2)**4

[[ 16.  16.]

[ 16.  16.]]

使用数组对象自带的方法：

>>> a.sum()

4.0

>>> a.sum(axis=0)   #计算每一列(二维数组中类似于矩阵的列)的和

array([ 2.,  2.])

>>> a.min()

1.0

>>> a.max()

1.0

使用numpy下的方法：

>>> np.sin(a)

array([[ 0.84147098,  0.84147098],

[ 0.84147098,  0.84147098]])

>>> np.max(a)

1.0

>>> np.floor(a)

array([[ 1.,  1.],

[ 1.,  1.]])

>>> np.exp(a)

array([[ 2.71828183,  2.71828183],

[ 2.71828183,  2.71828183]])

>>> np.dot(a,a)   ##矩阵乘法

array([[ 2.,  2.],

[ 2.,  2.]])

合并数组

使用numpy下的vstack和hstack函数：

>>> a = np.ones((2,2))

>>> b = np.eye(2)

>>> print np.vstack((a,b))

[[ 1.  1.]

[ 1.  1.]

[ 1.  0.]

[ 0.  1.]]

>>> print np.hstack((a,b))

[[ 1.  1.  1.  0.]

[ 1.  1.  0.  1.]]

看一下这两个函数有没有涉及到浅拷贝这种问题：

>>> c = np.hstack((a,b))

>>> print c

[[ 1.  1.  1.  0.]

[ 1.  1.  0.  1.]]

>>> a[1,1] = 5

>>> b[1,1] = 5

>>> print c

[[ 1.  1.  1.  0.]

[ 1.  1.  0.  1.]]

可以看到，a、b中元素的改变并未影响c。

深拷贝数组

数组对象自带了浅拷贝和深拷贝的方法，但是一般用深拷贝多一些：

>>> a = np.ones((2,2))

>>> b = a

>>> b is a

True

>>> c = a.copy()  #深拷贝

>>> c is a

False

基本的矩阵运算

转置：

>>> a = np.array([[1,0],[2,3]])

>>> print a

[[1 0]

[2 3]]

>>> print a.transpose()

[[1 2]

[0 3]]

迹：

>>> print np.trace(a)

4

numpy.linalg模块中有很多关于矩阵运算的方法：

>>> import numpy.linalg as nplg

特征值、特征向量：

>>> print nplg.eig(a)

(array([ 3.,  1.]), array([[ 0.        ,  0.70710678],

[ 1.        , -0.70710678]]))

3、矩阵

numpy也可以构造矩阵对象，这里不做讨论。

相关阅读:

Python中的Numpy入门教程

使用Python中的线程进行网络编程的入门教程

使用Python中的greenlet包实现并发编程的入门教程

Python中优化NumPy包使用性能的教程

python中的函数用法入门

Python中的defaultdict模块和namedtuple模块的简单入门指南

Python进行数据科学工作的简单入门教程

详解Python中的装饰器、闭包和functools的教程

把MySQL表结构映射为Python中的对象的教程

Python中的Numeric包和Numarray包使用教程

Python中的测试模块unittest和doctest的使用教程

利用Python中的输入和输出功能进行读取和写入的教程