Python中的Numpy入门教程

[python]  view plain  copy

1.   

写了一年C++后来自学python,真是不太习惯，总感觉有点别扭，还是写博客记记语法，不然一下子就忘了，新手一个，只能一边学一边写，然后四处找找资料o(╯□╰)o

在 Python 3 中接触的第一个很大的差异就是缩进是作为语法的一部分，这和C++等其他语言确实很不一样，所以要小心咯

缩进要使用4个空格（这不是必须的，但你最好这么做），缩进表示一个代码块的开始，非缩进表示一个代码的结束。没有明确的大括号、中括号、或者关键字。这意味着空白很重要，而且必须要是一致的。第一个没有缩进的行标记了代码块，意思是指函数，if 语句、 for 循环、 while 循环等等的结束。

不过这样的规定也使得 Python 程序写出来会更加美观，便于阅读，吐槽是没有用的，接受吧...o(╯□╰)o

Python 思想：

“一切都是对象！”

输入很简单

[cpp]  view plain  copy

1. x = input("Please input x:")  
2. Please input x:  

在代码最后加上

[python]  view plain  copy

1. input("Press Enter")  

就可以让程序运行完后停一下

输出的 print 函数总结：

1. 字符串和数值类型
可以直接输出

[python]  view plain  copy

1. >>> print(1)  
2. 1  
3. >>> print("Hello World")  
4. Hello World  

2.变量
无论什么类型，数值，布尔，列表，字典...都可以直接输出

[python]  view plain  copy

1. >>> x = 12  
2. >>> print(x)  
3. 12  
4. >>> s = 'Hello'  
5. >>> print(s)  
6. Hello  
7. >>> L = [1,2,'a']  
8. >>> print(L)  
9. [1, 2, 'a']  
10. >>> t = (1,2,'a')  
11. >>> print(t)  
12. (1, 2, 'a')  
13. >>> d = {'a':1, 'b':2}  
14. >>> print(d)  
15. {'a': 1, 'b': 2}  

3.格式化输出
类似于C中的 printf

[python]  view plain  copy

1. >>> s  
2. 'Hello'  
3. >>> x = len(s)  
4. >>> print("The length of %s is %d" % (s,x))  
5. The length of Hello is 5  

看看《Python基础编程》中对格式化输出的总结：

(1). %字符：标记转换说明符的开始

(2). 转换标志：-表示左对齐；+表示在转换值之前要加上正负号；“”（空白字符）表示正数之前保留空格；0表示转换值若位数不够则用0填充

(3). 最小字段宽度：转换后的字符串至少应该具有该值指定的宽度。如果是*，则宽度会从值元组中读出。

(4). 点(.)后跟精度值：如果转换的是实数，精度值就表示出现在小数点后的位数。如果转换的是字符串，那么该数字就表示最大字段宽度。如果是*，那么精度将从元组中读出

(5).字符串格式化转换类型

转换类型          含义

d,i                 带符号的十进制整数
o                   不带符号的八进制
u                   不带符号的十进制
x                    不带符号的十六进制（小写）
X                   不带符号的十六进制（大写）
e                   科学计数法表示的浮点数（小写）
E                   科学计数法表示的浮点数（大写）
f,F                 十进制浮点数
g                   如果指数大于-4或者小于精度值则和e相同，其他情况和f相同
G                  如果指数大于-4或者小于精度值则和E相同，其他情况和F相同
C                  单字符（接受整数或者单字符字符串）
r                    字符串（使用repr转换任意python对象)
s                   字符串（使用str转换任意python对象）

[python]  view plain  copy

1. >>> pi = 3.141592653  
2. >>> print('%10.3f' % pi) #字段宽10，精度3  
3.      3.142  
4. >>> print("pi = %.*f" % (3,pi)) #用*从后面的元组中读取字段宽度或精度  
5. pi = 3.142  
6. >>> print('%010.3f' % pi) #用0填充空白  
7. 000003.142  
8. >>> print('%-10.3f' % pi) #左对齐  
9. 3.142       
10. >>> print('%+f' % pi) #显示正负号  
11. +3.141593  

4.如何让 print 不换行
在Python中总是默认换行的

[python]  view plain  copy

1. >>> for x in range(0,10):  
2.     print(x)  
3.   
4.       
5. 0  
6. 1  
7. 2  
8. 3  
9. 4  
10. 5  
11. 6  
12. 7  
13. 8  
14. 9  

如果想要不换行，之前的 2.x 版本可以这样 print x, 在末尾加上 ,
但在 3.x 中这样不起任何作用
要想换行你应该写成 print(x，end = '' )

[python]  view plain  copy

1. >>> for x in range(0,10):  
2.     print (x,end = '')  
3.   
4.       
5. 0123456789  

拼接字符串：

[python]  view plain  copy

1. >>> "Hello""World"  
2. 'HelloWorld'  
3. >>> x = "Hello"  
4. >>> y = "world"  
5. >>> xy  
6. Traceback (most recent call last):  
7.   File "<pyshell#10>", line 1, in <module>  
8.     xy  
9. NameError: name 'xy' is not defined  
10. >>> x+y  
11. 'Helloworld'  

pow函数：

[python]  view plain  copy

1. # 2**3%5(2的3次幂对5取模)  
2. >>> pow(2,3,5)  
3. 3  

然后很重要一点是类型可以自由地转换，你赋什么值，变量就是什么类型，python会自动帮你管理

这点真让我的C++思维转不过来呢

[cpp]  view plain  copy

1. >>> x = 2  
2. >>> type(x)  
3. <class 'int'>  
4. >>> x = 2.3  
5. >>> type(x)  
6. <class 'float'>  
7. >>> x = [2,3]  
8. >>> type(x)  
9. <class 'list'>  

部分函数：

abs(number)，返回数字的绝对值

cmath.sqrt(number)，返回平方根，也可以应用于负数

float(object)，把字符串和数字转换为浮点数

help()，提供交互式帮助

input(prompt)，获取用户输入

int(object)，把字符串和数字转换为整数

math.ceil(number)，返回数的上入整数，返回值的类型为浮点数

math.floor(number)，返回数的下舍整数，返回值的类型为浮点数

math.sqrt(number)，返回平方根不适用于负数

pow(x,y[.z]),返回X的y次幂（有z则对z取模）

repr(object)，返回值的字符串标示形式

round(number[.ndigits])，根据给定的精度对数字进行四舍五入

str(object),把值转换为字符串

Python中的Numpy入门教程

http://www.jb51.net/article/49397.htm

http://blog.csdn.net/jcjc918/article/details/9354815

作者： 字体：[增加 减小] 类型：转载 时间：2014-04-26 我要评论

这篇文章主要介绍了Python中的Numpy入门教程，着重讲解了矩阵中的数组操作,需要的朋友可以参考下

1、Numpy是什么

很简单，Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。如果接触过matlab、scilab，那么numpy很好入手。 在以下的代码示例中，总是先导入了numpy：

复制代码 代码如下:

>>> import numpy as np
>>> print np.version.version
1.6.2

2、多维数组

多维数组的类型是：numpy.ndarray。

使用numpy.array方法

以list或tuple变量为参数产生一维数组：

复制代码 代码如下:

>>> print np.array([1,2,3,4])
[1 2 3 4]
>>> print np.array((1.2,2,3,4))
[ 1.2  2.   3.   4. ]
>>> print type(np.array((1.2,2,3,4)))
<type 'numpy.ndarray'>

以list或tuple变量为元素产生二维数组：

复制代码 代码如下:

>>> print np.array([[1,2],[3,4]])
[[1 2]
 [3 4]]

生成数组的时候，可以指定数据类型，例如numpy.int32, numpy.int16, and numpy.float64等：

复制代码 代码如下:

>>> print np.array((1.2,2,3,4), dtype=np.int32)
[1 2 3 4]

使用numpy.arange方法

复制代码 代码如下:

>>> print np.arange(15)
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]
>>> print type(np.arange(15))
<type 'numpy.ndarray'>
>>> print np.arange(15).reshape(3,5)
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]
>>> print type(np.arange(15).reshape(3,5))
<type 'numpy.ndarray'>

使用numpy.linspace方法

例如，在从1到3中产生9个数：

复制代码 代码如下:

>>> print np.linspace(1,3,9)
[ 1.    1.25  1.5   1.75  2.    2.25  2.5   2.75  3.  ]

使用numpy.zeros，numpy.ones，numpy.eye等方法可以构造特定的矩阵

例如：

复制代码 代码如下:

>>> print np.zeros((3,4))
[[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]]
>>> print np.ones((3,4))
[[ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]]
>>> print np.eye(3)
[[ 1.  0.  0.]
 [ 0.  1.  0.]
 [ 0.  0.  1.]]

创建一个三维数组：

复制代码 代码如下:

>>> print np.zeros((2,2,2))
[[[ 0.  0.]
  [ 0.  0.]]

 [[ 0.  0.]
  [ 0.  0.]]]

获取数组的属性：

复制代码 代码如下:

>>> a = np.zeros((2,2,2))
>>> print a.ndim   #数组的维数
3
>>> print a.shape  #数组每一维的大小
(2, 2, 2)
>>> print a.size   #数组的元素数
8
>>> print a.dtype  #元素类型
float64
>>> print a.itemsize  #每个元素所占的字节数
8

数组索引，切片，赋值

示例：

复制代码 代码如下:

>>> a = np.array( [[2,3,4],[5,6,7]] )
>>> print a
[[2 3 4]
 [5 6 7]]
>>> print a[1,2]
7
>>> print a[1,:]
[5 6 7]
>>> print a[1,1:2]
[6]
>>> a[1,:] = [8,9,10]
>>> print a
[[ 2  3  4]
 [ 8  9 10]]

使用for操作元素

复制代码 代码如下:

>>> for x in np.linspace(1,3,3):
...     print x
...
1.0
2.0
3.0

基本的数组运算

先构造数组a、b：

复制代码 代码如下:

>>> a = np.ones((2,2))
>>> b = np.eye(2)
>>> print a
[[ 1.  1.]
 [ 1.  1.]]
>>> print b
[[ 1.  0.]
 [ 0.  1.]]

数组的加减乘除：

复制代码 代码如下:

>>> print a > 2
[[False False]
 [False False]]
>>> print a+b
[[ 2.  1.]
 [ 1.  2.]]
>>> print a-b
[[ 0.  1.]
 [ 1.  0.]]
>>> print b*2
[[ 2.  0.]
 [ 0.  2.]]
>>> print (a*2)*(b*2)
[[ 4.  0.]
 [ 0.  4.]]
>>> print b/(a*2)
[[ 0.5  0. ]
 [ 0.   0.5]]
>>> print (a*2)**4
[[ 16.  16.]
 [ 16.  16.]]

 使用数组对象自带的方法：

复制代码 代码如下:

>>> a.sum()
4.0
>>> a.sum(axis=0)   #计算每一列（二维数组中类似于矩阵的列）的和
array([ 2.,  2.])
>>> a.min()
1.0
>>> a.max()
1.0

使用numpy下的方法：

复制代码 代码如下:

>>> np.sin(a)
array([[ 0.84147098,  0.84147098],
       [ 0.84147098,  0.84147098]])
>>> np.max(a)
1.0
>>> np.floor(a)
array([[ 1.,  1.],
       [ 1.,  1.]])
>>> np.exp(a)
array([[ 2.71828183,  2.71828183],
       [ 2.71828183,  2.71828183]])
>>> np.dot(a,a)   ##矩阵乘法
array([[ 2.,  2.],
       [ 2.,  2.]])

合并数组

使用numpy下的vstack和hstack函数：

复制代码 代码如下:

>>> a = np.ones((2,2))
>>> b = np.eye(2)
>>> print np.vstack((a,b))
[[ 1.  1.]
 [ 1.  1.]
 [ 1.  0.]
 [ 0.  1.]]
>>> print np.hstack((a,b))
[[ 1.  1.  1.  0.]
 [ 1.  1.  0.  1.]]

看一下这两个函数有没有涉及到浅拷贝这种问题：

复制代码 代码如下:

>>> c = np.hstack((a,b))
>>> print c
[[ 1.  1.  1.  0.]
 [ 1.  1.  0.  1.]]
>>> a[1,1] = 5
>>> b[1,1] = 5
>>> print c
[[ 1.  1.  1.  0.]
 [ 1.  1.  0.  1.]]

可以看到，a、b中元素的改变并未影响c。

深拷贝数组

数组对象自带了浅拷贝和深拷贝的方法，但是一般用深拷贝多一些：

复制代码 代码如下:

>>> a = np.ones((2,2))
>>> b = a
>>> b is a
True
>>> c = a.copy()  #深拷贝
>>> c is a
False

基本的矩阵运算

转置：

复制代码 代码如下:

>>> a = np.array([[1,0],[2,3]])
>>> print a
[[1 0]
 [2 3]]
>>> print a.transpose()
[[1 2]
 [0 3]]

迹：

复制代码 代码如下:

>>> print np.trace(a)
4

numpy.linalg模块中有很多关于矩阵运算的方法：

复制代码 代码如下:

>>> import numpy.linalg as nplg

特征值、特征向量：

复制代码 代码如下:

>>> print nplg.eig(a)
(array([ 3.,  1.]), array([[ 0.        ,  0.70710678],
       [ 1.        , -0.70710678]]))

3、矩阵

numpy也可以构造矩阵对象，这里不做讨论。