python科学计算的基本包是_Python科学计算基础包-Numpy

一、Numpy概念

Numpy(Numerical Python的简称)是Python科学计算的基础包。它提供了以下功能：

快速高效的多维数组对象ndarray。

用于对数组执行元素级计算以及直接对数组执行数学运算的函数。

用于读写硬盘上基于数组的数据集的工具。

线性代数运算、傅里叶变换，以及随机数生成。

用于将C、C++、Fortran代码集成到Python的工具。

除了为Python提供快速的数组处理能力，Numpy在数据分析方面还有另外一个主要作用，即作为在算法之间传递数据的容器。对于数值型数据，Numpy数组在存储和处理数据时要比内置的Python数据结构高效的多。此外，由低级语言(比如C和Fortran)编写的库可以直接操作Numpy数组中的数据，无需进行任何数据复制工作。

二、Numpy的突出优势

与Python的基本数据类型相比，其具有以下突出优势：

提供功能更强大的高维数组(N-dimensional)对象

强大的广播功能(broadcasting)，便于矢量化数组操作(直接对数组进行数据处理，而不需要编写循环)

集成了 C/C++ 以及 Fortran代码编写的工具

包含常用的线性代数、傅里叶变换，以及随机数生成

提供易用的C API，可以将数据传递到使用低级语言编写的外部库，也可以使外部库返回NumPy数组数据到Python

通用的数组算法，例如：sorting，unique和set等操作

NumPy提供了两种基本的对象：ndarray(N-dimensional array object)和ufunc(universal function object)。ndarray用来存储单一数据类型的多维数组，ufunc是对数组进行处理的函数。

三、ndarray对象

Numpy的核心是ndarray对象，它封装了同质数据类型的n维数组，与python序列有以下区别：

ndarray在创建时有固定大小：不同于python中的列表，更改ndarray的大小将创建一个新的数组并删除原始数据 ndarray中的元素有相同的数据类型 ndarray便于对大量数据进行高级数学操作：通常会比python内置序列更高效也更简单 越来越多的基于python的科学和数学软件使用ndarray数组：只知道python的内置序列类型是不够的，还需要知道如何使用ndaray数组

ndarray数据类型

Numpy支持比Python更多种类的数值类型，参见：数据类型

numpy数据类型

python类型

描述

bool_

bool

布尔(True或False)，存储为一个字节

int_

int

默认整数类型(与C long相同；通常为int64或int32)

intc

与C int(通常为int32或int64)相同

intp

用于索引的整数(与C ssize_t相同；通常为int32或int64)

int8

字节(-128到127)

int16

整数(-32768到32767)

int32

整数(-2147483648至2147483647)

int64

整数(-9223372036854775808至9223372036854775807)

uint8

无符号整数(0到255)

uint16

无符号整数(0到65535)

uint32

无符号整数(0至4294967295)

uint64

无符号整数(0至18446744073709551615)

float_

float

float64的简写。

float16

半精度浮点：符号位，5位指数，10位尾数

float32

单精度浮点：符号位，8位指数，23位尾数

float64

双精度浮点：符号位，11位指数，52位尾数

complex_

complex

complex128的简写。

complex64

复数，由两个32位浮点(实数和虚数分量)

complex128

复数，由两个64位浮点(实数和虚数分量)

结果：

感谢阅读上海尚学堂文章，获取更多内容或支持请点击上海python培训