python中math库的常用方法_Python中的库,python,library

Reference: Working with External Libraries

Click me!

本节将讨论python中库的导入以及介绍部分常用的库和它们所返回的对象。

1. 导入（imports）

我们之前有学过数据类型、自定义内置函数等，但python中最美好的事情大概是它所自带的库了吧；

有一些库称为“标准库”，可以轻松调用；但有一些库必须使用

”imports“

导入；

我们来看一个例子：

import math # 导入math

print("It's math! It has type {}".format(type(math)))

输出：

It's math! It has type

解析：

math

是一个模块。模块是指所有变量的集合。

我们可以用dir()函数去查看math模块中所存在的所有变量：

>>> import math # 每次使用math前，都别忘了导入哦

>>> dir(math)

现在知道了每个模块中都含有很多变量，那么怎么调用呢？

那就是

模块名称 . 变量名

；如调用pi的值：math.pi；

>>> import math

>>> "pi to 4 significant digits = {:.4}".format(math.pi)

"pi to 4 significant digits = 3.142"

除了pi，经常用到的还有math.log()，使用格式：math.log(底数, 对数）：

>>> import math

>>> math.log(8,2)

3.0

2. 其他import语法

1、有时候，可能某个模块经常需要被用到，但是有些模块名称特别长，特别难记；这时候可以给模块起个容易记的名字，

调用格式为 import 模块名称 as 自定义名称

，as 相当于给模块重命名：

>>> import math as mt # ‘mt'是自定义名称

>>> example.pi

3.141592653589793

虽然是可以重命名，但是在python中还是有一些常用的简称的，例如：

import numpy as np

import pandas as pd

2、那能不能直接把模块名字省去，也就是直接引用pi即可？答案是可以！

>>> from math import *

>>> pi

3.141592653589793

“import * ”

可以允许你直接调用模块里的变量。

但是，不能同时调用两个 ”import * “，这样会报错；

>>> from math import *

>>> from numpy import *

>>> log(8,2)

TypeError: return arrays must be of ArrayType

为啥会这样呢？

因为math和numpy库里都包含了log这个函数，但是却不同的意思；而且numpy是第二次导入的，因此numpy的log函数的结果会覆盖掉math的结果；

最好的妥协就是用啥写啥，建议不要使用 * ，因为可能会导致报错；

from math import log,pi

from numpy import asarray

3. 子模块（Submodules）

之前讲过，模块中含有很多可以引用的变量，但模块还可以引用其他模块的变量；

看个例子：

>>> import numpy

>>> "numpyrandom is a", type(numpy.random)

('numpyrandom is a', )

从上述例子可知，numpy是一个模块，而random就是numpy的子模块了；我们来看看具体是怎么用的吧：

>>> rolls = numpy.random.randint(low = 1, high = 6, size = 3) #含有3个参数，数值范围为1-6，长度为3；

array([5, 5, 1])

4. 不同的对象

例如，当你用到图形库

“matplotlib”

的时候，

“matplotlib”

会提供很多对象，如子图、表格、刻度线、批注等；而在这个过程中，需要

“pandas”

函数协助提供 DataFrame和Series。

三种工具可以帮助你理解陌生的对象：

1、type() # 这是啥？

>>> type(rolls)

numpy.ndarray

2、dir() # 这个可以怎么用

>>> dir(rolls)

>>> rolls.mean() #求平均值

3.6666666666666665

>>> rolls.tolist() #转换为list

[5, 5, 1]

3、help() # 查看更多

rolls.ravel() 可以将多维数组转换为一位数组；

4、运算符

>>> rolls + 100 # 加法运算

array([105, 105, 101])

>>> rolls < 3 #判断是否小于3

array([ False, False, True])

将数列转换为数组：

>>> a = [[1,2],[3,4]]

>>> b = numpy.asarray(a) # 转换为数组

>>> b

array([[1, 2],

[3, 4]])

>>> b[1,-1] # 获取numpy数组第二行的最后一个元素

4

>>> b[0,0] # 获取numpy数组第一行的第一个元素

1

>>> type(b)

# ndarray是指多维数据

解析：

b[0,0]这种用法仅适用于numpy数组，并不适用于list。

5. tensorflow - 用于深度学习的python库

tensorflow是一个常用于深度学习的python库；

看个例子：

import tensorflow as tf

# 创建两个常数，而且都是1

a = tf.constant(1)

b = tf.constant(1)

# 尝试把他们相加

a + b

输出：

所以并不是所有的1+1都等于2哦～

根据python中tensorflow的doc.string显示：这只是提供了一种在模块tensorflow（tf.Session）中计算这些值的方法

# 获取南美人口超过100万的行

df[(df['population'] > 10**6) & (df['continent'] == 'South America')]

为什么会这样呢？

有没有想过为什么当你调用dir()的时候，会出现双下划线的名字，如 ”_ _ doc_ _"；

这其实跟操作符超载有关，python程序员如果想要定义运算符的行为时，都需要以双下划线开头和结尾的特殊名称来实现。

例如：

x in [1, 2, 3]

其实上述表达调用的列表方法是

“_

contains

_"

；完整的表述是：

[1, 2, 3]._

contains

_(x)

但是很明显完整的表述很冗长且长得很丑。。。