python的科学计算的扩展库有,2020 0630 认识python的善于科学计算的扩展程序库numpy...

numpy 主要特点：NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

一个强大的N维数组对象 ndarray

广播功能函数

整合 C/C++/Fortran 代码的工具

线性代数、傅里叶变换、随机数生成等功能

NumPy能够快速处理数据，主要是因为NumPy提供了两种基本的对象：ndarray(N-dimensional array object)和 ufunc(universal function object)。ndarray(下文统一称之为数组)是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。

(1)创建

我们可以通过给array函数传递Python的序列对象创建数组，如果传递的是多层嵌套的序列，将创建多维数组；

从文件中load

(2)存取元素

使用下标范围存取元素，通过下标范围获取的新的数组是原始数组的一个视图。它与原始数组共享同一块数据空间

使用整数序列

当使用整数序列对数组元素进行存取时，将使用整数序列中的每个元素作为下标，整数序列可以是列表或者数组。使用整数序列作为下标获得的数组不和原始数组共享数据空间。

使用布尔数组

当使用布尔数组b作为下标存取数组x中的元素时，将收集数组x中所有在数组b中对应下标为True的元素。使用布尔数组作为下标获得的数组不和原始数组共享数据空间，注意这种方式只对应于布尔数组，不能使用布尔列表。

(3)文件存取

NumPy提供了多种文件操作函数方便我们存取数组内容。文件存取的格式分为两类：二进制和文本。而二进制格式的文件又分为NumPy专用的格式化二进制类型和无格式类型。

使用数组的方法函数tofile可以方便地将数组中数据以二进制的格式写进文件。tofile输出的数据没有格式，因此用numpy.fromfile读回来的时候需要自己格式化数据：

numpy.load和numpy.save函数以NumPy专用的二进制类型保存数据:

使用numpy.savetxt和numpy.loadtxt可以读写1维和2维的数组：例如对于load和save函数来说，如果使用文件对象的话，可以将多个数组储存到一个npy文件中：

>>> a = np.arange(8)

>>> b = np.add.accumulate(a)

>>> c = a + b

>>> f = file("result.npy", "wb")

>>> np.save(f, a) # 顺序将a,b,c保存进文件对象f

>>> np.save(f, b)

>>> np.save(f, c)

>>> f.close()

>>> f = file("result.npy", "rb")

>>> np.load(f) # 顺序从文件对象f中读取内容

array([0, 1, 2, 3, 4, 5, 6, 7])

>>> np.load(f)

array([ 0,  1,  3,  6, 10, 15, 21, 28])

>>> np.load(f)

array([ 0,  2,  5,  9, 14, 20, 27, 35])

(4)广播

当我们使用ufunc函数对两个数组进行计算时，ufunc函数会对这两个数组的对应元素进行计算，因此它要求这两个数组有相同的大小(shape相同)。如果两个数组的shape不同的话，会进行如下的广播(broadcasting)处理：

让所有输入数组都向其中shape最长的数组看齐，shape中不足的部分都通过在前面加1补齐

输出数组的shape是输入数组shape的各个轴上的最大值

如果输入数组的某个轴和输出数组的对应轴的长度相同或者其长度为1时，这个数组能够用来计算，否则出错

当输入数组的某个轴的长度为1时，沿着此轴运算时都用此轴上的第一组值

上述4条规则理解起来可能比较费劲，让我们来看一个实际的例子。

首先一个例子：np.arange(0, 60, 10).reshape(-1, 1) + np.arange(0, 6)

即[[ 0]

[10]

[20]

[30]

[40]

[50]]+[0 1 2 3 4 5]=array([[ 0,  1,  2,  3,  4,  5],

[10, 11, 12, 13, 14, 15],

[20, 21, 22, 23, 24, 25],

[30, 31, 32, 33, 34, 35],

[40, 41, 42, 43, 44, 45],

[50, 51, 52, 53, 54, 55]])

由于这种广播计算很常用，因此numpy提供了一个快速产生如上面a,b数组的方法： ogrid对象：ogrid是一个很有趣的对象，它像一个多维数组一样，用切片组元作为下标进行存取，像网格数据之类的。