python科学计算的基本包是_Python科学计算的基础包 Numpy快速入门

一、什么是Numpy

功能

Numpy是Python科学计算的基础包，主要提供了以下功能：

快速高效的多维数组对象的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、傅立叶变换，以及随机数组生成

用于将C、C++、Fortran代码集成到Python的工具

作为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数据结构高效得多

文档

二、数组创建函数

array

将输入数据(列表、元组、数组或其他序列类型)转换为ndarray。要么推断出dtype，要么显示指定dtype

asarray

将输入转换为ndarray，如果输入本身就是一个ndarray就不再复制

array和asarray都可以将结构数据转化为ndarray，但是主要区别就是当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，但asarray不会

arange

类似内置的range，返回一个ndarray

zeros、zeros_like

根据指定的形状和dtype创建一个全是9的数组。

zeros_like以另一个数组为参数，并根据其形状和dtype创建一个全0数组

ones、ones_like

根据指定的形状和dtype创建一个全是1的数组。

ones_like以另一个数组为参数，并根据其形状和dtype创建一个全1数组

empty、empty_like

类似ones和ones_like，只是产生的是全0数组

eye、identity

创建一个正方的N*N单位矩阵，对角线为1，其余为0

三、数组访问

下标索引

arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])

arr2d[0][2]和arr2d[0,2]是等价的

切片索引

可以一次传入多个切片，

arr2d[:2, 1:]

布尔型索引

将data中所有负值都设置为0

data[data < 0] = 0

选出所有名字为“cqh”的所有行

data[names == 'cqh']

整数索引

利用整数数组进行索引

arr = np.empty((8,4))

for i in range(8):

arr[i] = i

# 传入指定顺序

arr[[4,3,0,6]]

### 负数索引

arr[[-3,-5,-7]]

方形索引

使用np.ix_方法，可以将两个一维整数数组转换为一个用于选取方形区域的索引

arr = np.arange(32).reshape((8,4))

获取行[1,5,7,2]，列[0,3,1,2]，为

arr[np.ix_([1,5,7,2],[0,3,1,2])]

相当于执行了

arr[[1,5,7,2]][:,[0,3,1,2]]

错误方法：

arr[[1,5,7,2],[0,3,1,2]]

四、数组转置和轴对换

reshape

arr = np.arange(15).reshape((3,5))

arr.T

五、唯一化以及集合逻辑

unique(x)：计算x中的唯一元素，并返回有序结果

intersect1d(x,y)：计算x和y中的公共元素，并返回有序结果

union(x,y)：计算x和y的并集，并返回有序结果

in1d(x,y)：得到一个表示“x的元素是否包含在y”的布尔型数组

setdiff1d(x,y) 集合的差，元素在x中且不在y中

setxor1d(x,y) 集合的对称差，存在于一个数组中但不同时存在两个数组中的元素

六、随机数生成

normal：生成标准正态分布的样本数组

seed：确定随机数生成器的种子

permutation：返回一个序列的随机排列

shuffle：对一个序列就地随机排列

rand：产生均匀分布的样本值

randint：在给定的上下限范围内随机选取整数

randn：产生正态分布(平均值0，标准差1)的样本值，类似MATLAB接口

bionmial：产生二项分布的样本值

beta：生产Beta分布的样本值

chisquare：产生卡方分布的样本值

gamma：产生Gamma分布的样本值

uniform：产生在[0,1]中均匀分页的样本值

七、文件输入输出

以二进制格式保存到磁盘

np.save：保存到磁盘

np.savez：将多个数组保存到一个压缩文件中，加载时得到一个字典对象

np.load：从磁盘加载

存取文本文件

loadtxt：指定各种分隔符

savetxt：将数组写到以某种分隔符隔开的文本文件