python用pip安装numpy库_Python NumPy库安装使用笔记

1. NumPy安装

使用pip包管理工具进行安装

$ sudo pip install numpy

使用pip包管理工具安装ipython(交互式shell工具)

$ sudo pip instlal ipython

$ ipython --pylab #pylab模式下, 会自动导入SciPy, NumPy, Matplotlib模块

2. NumPy基础

2.1. NumPy数组对象

具体解释可以看每一行代码后的解释和输出

In [1]: a = arange(5) # 创建数据

In [2]: a.dtype

Out[2]: dtype('int64') # 创建数组的数据类型

In [3]: a.shape # 数组的维度, 输出为tuple

Out[3]: (5,)

In [6]: m = array([[1, 2], [3, 4]]) # array将list转换为NumPy数组对象

In [7]: m # 创建多维数组

Out[7]:

array([[1, 2],

[3, 4]])

In [10]: m.shape # 维度为2 * 2

Out[10]: (2, 2)

In [14]: m[0, 0] # 访问多维数组中特定位置的元素, 下标从0开始

Out[14]: 1

In [15]: m[0, 1]

Out[15]: 2

2.2. 数组的索引和切片

In [16]: a[2: 4] # 切片操作类似与Python中list的切片操作

Out[16]: array([2, 3])

In [18]: a[2 : 5: 2] # 切片步长为2

Out[18]: array([2, 4])

In [19]: a[ : : -1] # 翻转数组

Out[19]: array([4, 3, 2, 1, 0])

In [20]: b = arange(24).reshape(2, 3, 4) # 修改数组的维度

In [21]: b.shape

Out[21]: (2, 3, 4)

In [22]: b # 打印数组

Out[22]:

array([[[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]],

[[12, 13, 14, 15],

[16, 17, 18, 19],

[20, 21, 22, 23]]])

In [23]: b[1, 2, 3] # 选取特定元素

Out[23]: 23

In [24]: b[ : , 0, 0] # 忽略某个下标可以用冒号代替

Out[24]: array([ 0, 12])

In [23]: b[1, 2, 3]

Out[23]: 23

In [24]: b[ : , 0, 0] # 忽略多个下标可以使用省略号代替

Out[24]: array([ 0, 12])

In [26]: b.ravel() # 数组的展平操作

Out[26]:

array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,

17, 18, 19, 20, 21, 22, 23])

In [27]: b.flatten() # 与revel功能相同, 这个函数会请求分配内存来保存结果

Out[27]:

array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,

17, 18, 19, 20, 21, 22, 23])

In [30]: b.shape = (6, 4) # 可以直接对shape属性赋值元组来设置维度

In [31]: b

Out[31]:

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11],

[12, 13, 14, 15],

[16, 17, 18, 19],

[20, 21, 22, 23]])

In [30]: b.shape = (6, 4) # 矩阵的转置

In [31]: b

Out[31]:

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11],

[12, 13, 14, 15],

[16, 17, 18, 19],

[20, 21, 22, 23]])

2.3. 组合数组

In [1]: a = arange(9).reshape(3, 3) # 生成数组对象并改变维度

In [2]: a

Out[2]:

array([[0, 1, 2],

[3, 4, 5],

[6, 7, 8]])

In [3]: b = a * 2 # 对a数组对象所有元素乘2

In [4]: b

Out[4]:

array([[ 0, 2, 4],

[ 6, 8, 10],

[12, 14, 16]])

#######################

In [5]: hstack((a, b)) # 水平组合数组a和数组b

Out[5]:

array([[ 0, 1, 2, 0, 2, 4],

[ 3, 4, 5, 6, 8, 10],

[ 6, 7, 8, 12, 14, 16]])

In [6]: vstack((a, b)) # 垂直组合数组a和数组b

Out[6]:

array([[ 0, 1, 2],

[ 3, 4, 5],

[ 6, 7, 8],

[ 0, 2, 4],

[ 6, 8, 10],

[12, 14, 16]])

In [7]: dstack((a, b)) # 深度组合数组, 沿z轴方向层叠组合数组

Out[7]:

array([[[ 0, 0],

[ 1, 2],

[ 2, 4]],

[[ 3, 6],

[ 4, 8],

[ 5, 10]],

[[ 6, 12],

[ 7, 14],

[ 8, 16]]])

2.4. 分割数组

In [8]: a

Out[8]:

array([[0, 1, 2],

[3, 4, 5],

[6, 7, 8]])

In [9]: hsplit(a, 3) # 将数组沿水平方向分割成三个相同大小的子数组

Out[9]:

[array([[0],

[3],

[6]]),

array([[1],

[4],

[7]]),

array([[2],

[5],

[8]])]

In [10]: vsplit(a, 3) # 将数组沿垂直方向分割成三个子数组

Out[10]: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

2.5. 数组的属性

In [12]: a.ndim # 给出数组的尾数或数组的轴数

Out[12]: 2

In [13]: a.size # 数组中元素的个数

Out[13]: 9

In [14]: a.itemsize # 数组中元素在内存中所占字节数(int64)

Out[14]: 8

In [15]: a.nbytes # 数组所占总字节数, size * itemsize

Out[15]: 72

In [18]: a.T # 和transpose函数一样, 求数组的转置

Out[18]:

array([[0, 3, 6],

[1, 4, 7],

[2, 5, 8]])

2.6. 数组的转换

In [19]: a.tolist() # 将NumPy数组转换成python中的list

Out[19]: [[0, 1, 2], [3, 4, 5], [6, 7, 8]]

3. 常用函数

In [22]: c = eye(2) # 构建2维单位矩阵

In [23]: c

Out[23]:

array([[ 1., 0.],

[ 0., 1.]])

In [25]: savetxt("eye.txt", c) # 将矩阵保存到文件中

In [5]: c, v = loadtxt("test.csv", delimiter=",", usecols=(0, 1), unpack=True) # 分隔符为, usecols为元组表示要获取的字段数据(每一行的第零段和第一段), unpack为True表示拆分存储不同列的数据, 分别存入c, v

In [12]: c

Out[12]: array([ 1., 4., 7.])

In [13]: mean(c) # 计算矩阵c的mean均值

Out[13]: 4.0

In [14]: np.max(c) # 求数组中的最大值

Out[14]: 7.0

In [15]: np.min(c) # 求数组中的最小值

Out[15]: 1.0

In [16]: np.ptp(c) # 返回数组最大值和最小值之间的差值

Out[16]: 6.0

In [18]: numpy.median(c) # 找到数组中的中位数(中间两个数的平均值)

Out[18]: 4.0

In [19]: numpy.var(c) # 计算数组的方差

Out[19]: 6.0

In [20]: numpy.diff(c) # 返回相邻数组元素的差值构成的数组

Out[20]: array([ 3., 3.])

In [21]: numpy.std(c) # 计算数组的标准差

Out[21]: 2.4494897427831779

In [22]: numpy.where(c > 3) # 返回满足条件的数组元素的下标组成的数组

Out[22]: (array([1, 2]),)