Python科学计算之NumPy入门教程


Posted in Python onJanuary 15, 2017

前言

NumPy是Python用于处理大型矩阵的一个速度极快的数学库。它允许你在Python中做向量和矩阵的运算,而且很多底层的函数都是用C写的,你将获得在普通Python中无法达到的运行速度。这是由于矩阵中每个元素的数据类型都是一样的,这也就减少了运算过程中的类型检测。

矩阵基础

在 numpy 包中我们用数组来表示向量,矩阵和高阶数据结构。他们就由数组构成,一维就用一个数组表示,二维就是数组中包含数组表示。

创建

# coding: utf-8
import numpy as np

a = np.array([
 [1.73, 1.68, 1.71, 4],
 [1, 2, 3, 4],
 [1, 2, 3, 4]
])
print type(a) # <type 'numpy.ndarray'>

ndarray (N-dimensional array object) 意思就是n维数组。例子中就表示一个3行4列的二维数组。

形状

数组的大小可以通过其 shape 属性获得:

print a.shape # (3L,4L)

数组的元素数量可以通过 ndarray.size 得到:

print a.size # 12

使用 ndarray 的 dtype 属性我们能获得数组元素的类型:

print a.dtype # float64

可以用过 shape 重新设置矩阵的形状或者通过 reshape 方法创建一个改变了尺寸的新数组,原数组的shape保持不变:

a.shape = 4, 3
b = a.reshape((2, 6))
# 尽管b的形状是新的,但是a和b是共享数据存储内存区域的,如果b[0][1] = 8 那么a[0][1] 也会是8

数组生成

可以用过 np.arange 来创建数组,参数与range类似:

x = np.arange(0, 10, 1) # arguments: start, stop, step

也可以用 np.linspace 创建等差数列:

x = np.linspace(1, 10, 5) # arguments: start, stop, num元素个数
# [ 1. 3.25 5.5 7.75 10. ]

# np.logspace 是创建等比数列

矩阵运算

计算将变量直接参与运算符,操作符优先级不变:

a = np.random.rand(5, 5)
b = np.random.rand(5, 5)

print a + b
print a - b
print a * b
print a / b
print a ** 2
print a < b
print a > b

一个数组中除了 dot() 函数,其他这些操作都是单元操作。

np_arr = np.array([2,3,34,5,5])
print np.mean(np_arr) # 平均数
print np.median(np_arr) # 中位数
print np.corrcoef(a[0], a[1]) # 判断两个轴的数据是否有相关性
print np.std(np_arr) # 标准差

数据提取

切片索引语法:M[lower:upper:step]

a = np.array([1,2,3,4,5])
a[1:3] # array([2, 3])

# 进行切片赋值时,原数组会被修改
a[1:3] = [-2, -3] # array([ 1, -2, -3, 4, 5])


b = np.random.rand(5, 5)
b[1:4, 1:4] # 提取 1~4 行,1~4列

b > 0.1 #array([False, False, False, ...])
# 因此要提取可以用, 这是利用了布尔屏蔽这个特性
b[ b > 0.1 ]

# where()函数是另一个有用的方式,当需要以特定条件来检索数组元素的时候。只需要传递给它一个条件,它将返回符合条件的元素列表。
c = np.where(b > 0.1)

矩阵运算

NumPy和Matlab不一样,对于多维数组的运算,缺省情况下并不使用矩阵运算,如果你希望对数组进行矩阵运算的话,可以调用相应的函数。

matrix对象

numpy库提供了matrix类,使用matrix类创建的是矩阵对象,它们的加减乘除运算缺省采用矩阵方式计算,因此用法和matlab十分类似。但是由于NumPy中同时存在ndarray和matrix对象,因此用户很容易将两者弄混。这有违Python的“显式优于隐式”的原则,因此并不推荐在较复杂的程序中使用matrix。

>>> a = np.matrix([[1,2,3],[5,5,6],[7,9,9]])
>>> a*a**-1
matrix([[ 1.00000000e+00, 1.66533454e-16, -8.32667268e-17],
  [ -2.77555756e-16, 1.00000000e+00, -2.77555756e-17],
  [ 1.66533454e-16, 5.55111512e-17, 1.00000000e+00]])

从数组转换为矩阵可以用m = np.matrix(a) 进行转换, 使用 m.T 可以得到m的转置矩阵。

矩阵求逆

m.I * m
=> matrix([[ 1.00000000e+00+0.j, 4.44089210e-16+0.j],
   [ 0.00000000e+00+0.j, 1.00000000e+00+0.j]])

浅拷贝与深拷贝

为了获得高性能,Python 中的赋值常常不拷贝底层对象,这被称作浅拷贝。使用 copy 进行深拷贝:

b = copy(a)

遍历数组元素

通常情况下,我们是希望尽可能避免遍历数组元素的。因为迭代相比向量运算要慢的多。但是有些时候迭代又是不可避免的,这种情况下用 Python 的 for 是最方便的:

v = np.array([1,2,3,4])

for element in v:
 print(element)

M = np.array([[1,2], [3,4]])

for row in M:
 print("row", row)
 for element in row:
  print(element)

总结

以上就是关于Python科学计算之NumPy的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流。

Python 相关文章推荐
Python字符串和文件操作常用函数分析
Apr 08 Python
Python3使用pandas模块读写excel操作示例
Jul 03 Python
python调用百度语音识别api
Aug 30 Python
python实现简单的文字识别
Nov 27 Python
python之cv2与图像的载入、显示和保存实例
Dec 05 Python
Python里字典的基本用法(包括嵌套字典)
Feb 27 Python
Python如何处理大数据?3个技巧效率提升攻略(推荐)
Apr 15 Python
python开发之anaconda以及win7下安装gensim的方法
Jul 05 Python
opencv转换颜色空间更改图片背景
Aug 20 Python
pyspark给dataframe增加新的一列的实现示例
Apr 24 Python
python实现人性化显示金额数字实例详解
Sep 25 Python
Jupyter安装拓展nbextensions及解决官网下载慢的问题
Mar 03 Python
Python科学计算之Pandas详解
Jan 15 #Python
使用pyecharts无法import Bar的解决方案
Apr 23 #Python
详解Python3中字符串中的数字提取方法
Jan 14 #Python
win7上python2.7连接mysql数据库的方法
Jan 14 #Python
python实现字符串连接的三种方法及其效率、适用场景详解
Jan 13 #Python
python实现读取并显示图片的两种方法
Jan 13 #Python
Python中的连接符(+、+=)示例详解
Jan 13 #Python
You might like
php面向对象 字段的声明与使用
2012/06/14 PHP
php的zip解压缩类pclzip使用示例
2014/03/14 PHP
PHP获取对象属性的三种方法实例分析
2019/01/03 PHP
JavaScript 学习初步 入门教程
2010/03/25 Javascript
另一个javascript小测验(代码集合)
2011/07/27 Javascript
使用apply方法处理数组的三个技巧[译]
2012/09/20 Javascript
基于jquery的has()方法以及与find()方法以及filter()方法的区别详解
2013/04/26 Javascript
js闭包实例汇总
2014/11/09 Javascript
PHP 数组current和next用法分享
2015/03/05 Javascript
JavaScript中getUTCSeconds()方法的使用详解
2015/06/11 Javascript
JavaScript中的Function函数
2015/08/27 Javascript
Bootstrap学习笔记之环境配置(1)
2016/12/07 Javascript
ES6 Promise对象概念与用法分析
2017/04/01 Javascript
微信小程序 action-sheet 反馈上拉菜单简单实例
2017/05/11 Javascript
JavaScript之Map和Set_动力节点Java学院整理
2017/06/29 Javascript
angular学习之从零搭建一个angular4.0项目
2017/07/10 Javascript
jQuery实现的简单动态添加、删除表格功能示例
2017/09/21 jQuery
关于jquery中attr()和prop()方法的区别
2018/05/28 jQuery
VUE-Table上绑定Input通过render实现双向绑定数据的示例
2018/08/27 Javascript
checkbox在vue中的用法小结
2018/11/13 Javascript
jQuery事件绑定和解绑、事件冒泡与阻止事件冒泡及弹出应用示例
2019/05/13 jQuery
vue 实现websocket发送消息并实时接收消息
2019/12/09 Javascript
[44:58]2018DOTA2亚洲邀请赛 4.5 淘汰赛 LGD vs Liquid 第二场
2018/04/06 DOTA
python用fsolve、leastsq对非线性方程组求解
2018/12/15 Python
Python字典的核心底层原理讲解
2019/01/24 Python
对Python协程之异步同步的区别详解
2019/02/19 Python
PyQt打开保存对话框的方法和使用详解
2019/02/27 Python
python字符串查找函数的用法详解
2019/07/08 Python
Django框架创建mysql连接与使用示例
2019/07/29 Python
python3.7实现云之讯、聚合短信平台的短信发送功能
2019/09/26 Python
python用requests实现http请求代码实例
2019/10/31 Python
pycharm使用技巧之自动调整代码格式总结
2020/11/04 Python
校园门卫岗位职责
2013/12/09 职场文书
投资合作协议书
2014/04/17 职场文书
2014年党务公开方案
2014/05/08 职场文书
公司委托书格式范文
2014/10/09 职场文书