Python科学计算 - Numpy快速入门

当前位置:

首页 > Python基础教程 >

Python科学计算 - Numpy快速入门

Numpy是什么？

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。它可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。

NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。

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：

1

2

3

4

5

6

						>>> 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：

1

2

3

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

						[[1 2]

						 [3 4]]

指定数据类型

例如numpy.int32, numpy.int16, and numpy.float64等：

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

使用numpy.arange方法

						>>> 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：

1

2

3

						>>> print(np.linspace(1,3,10))

						[ 1.          1.22222222  1.44444444  1.66666667  1.88888889  2.11111111

						  2.33333333  2.55555556  2.77777778  3.        ]

构造特定的矩阵

使用numpy.zeros，numpy.ones，numpy.eye

可以构造特定的矩阵

						>>> print(np.zeros((3,4)))

						[[ 0.  0.  0.  0.]

						 [ 0.  0.  0.  0.]

						 [ 0.  0.  0.  0.]]

						>>> print(np.ones((4,3)))

						[[ 1.  1.  1.]

						 [ 1.  1.  1.]

						 [ 1.  1.  1.]

						 [ 1.  1.  1.]]

						>>> print(np.eye(4))

						[[ 1.  0.  0.  0.]

						 [ 0.  1.  0.  0.]

						 [ 0.  0.  1.  0.]

						 [ 0.  0.  0.  1.]]

栏目列表