EEPW论坛

今天扣丁学堂给大家详细介绍一下关于Python培训之NumPy常用方法总结介绍，首先NumPy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表(nestedliststructure)结构要高效的多(该结构也可以用来表示矩阵(matrix))。

NumPy(NumericPython)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：LawrenceLivermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。  

numpy中的数据类型，ndarray类型，和标准库中的array.array并不一样。  

ndarray的创建  

>>>importnumpyasnp  

>>>a=np.array([2,3,4])  

>>>a  

array([2,3,4])  

>>>a.dtype  

dtype('int64')  

>>>b=np.array([1.2,3.5,5.1])  

>>>b.dtype  

dtype('float64')  

二维的数组  

>>>b=np.array([(1.5,2,3),(4,5,6)])  

>>>b  

array([[1.5,2.,3.],  

[4.,5.,6.]])  

创建时指定类型  

>>>c=np.array([[1,2],[3,4]],dtype=complex)  

>>>c  

array([[1.+0.j,2.+0.j],  

[3.+0.j,4.+0.j]])  

创建一些特殊的矩阵  

>>>np.zeros((3,4))  

array([[0.,0.,0.,0.],  

[0.,0.,0.,0.],  

[0.,0.,0.,0.]])  

>>>np.ones((2,3,4),dtype=np.int16)#dtypecanalsobespecified  

array([[[1,1,1,1],  

[1,1,1,1],  

[1,1,1,1]],  

[[1,1,1,1],  

[1,1,1,1],  

[1,1,1,1]]],dtype=int16)  

>>>np.empty((2,3))#uninitialized,outputmayvary  

array([[3.73603959e-262,6.02658058e-154,6.55490914e-260],  

[5.30498948e-313,3.14673309e-307,1.00000000e+000]])  

创建一些有特定规律的矩阵  

>>>np.arange(10,30,5)  

array([10,15,20,25])  

>>>np.arange(0,2,0.3)#itacceptsfloatarguments  

array([0.,0.3,0.6,0.9,1.2,1.5,1.8])  

>>>fromnumpyimportpi  

>>>np.linspace(0,2,9)#9numbersfrom0to2  

array([0.,0.25,0.5,0.75,1.,1.25,1.5,1.75,2.])  

>>>x=np.linspace(0,2*pi,100)#usefultoevaluatefunctionatlotsofpoints  

>>>f=np.sin(x)  

一些基本的运算  

加减乘除三角函数逻辑运算  

>>>a=np.array([20,30,40,50])  

>>>b=np.arange(4)  

>>>b  

array([0,1,2,3])  

>>>c=a-b  

>>>c  

array([20,29,38,47])  

>>>b**2  

array([0,1,4,9])  

>>>10*np.sin(a)  

array([9.12945251,-9.88031624,7.4511316,-2.62374854])  

>>>a<35  

array([True,True,False,False],dtype=bool)  

矩阵运算  

matlab中有.*,./等等  

但是在numpy中，如果使用+，-，×，/优先执行的是各个点之间的加减乘除法  

如果两个矩阵(方阵)可既以元素之间对于运算，又能执行矩阵运算会优先执行元素之间的运算  

>>>importnumpyasnp  

>>>A=np.arange(10,20)  

>>>B=np.arange(20,30)  

>>>A+B  

array([30,32,34,36,38,40,42,44,46,48])  

>>>A*B  

array([200,231,264,299,336,375,416,459,504,551])  

>>>A/B  

array([0,0,0,0,0,0,0,0,0,0])  

>>>B/A  

array([2,1,1,1,1,1,1,1,1,1])  

如果需要执行矩阵运算，一般就是矩阵的乘法运算  

>>>A=np.array([1,1,1,1])  

>>>B=np.array([2,2,2,2])  

>>>A.reshape(2,2)  

array([[1,1],  

[1,1]])  

>>>B.reshape(2,2)  

array([[2,2],  

[2,2]])  

>>>A*B  

array([2,2,2,2])  

>>>np.dot(A,B)  

8  

>>>A.dot(B)  

8  

一些常用的全局函数  

>>>B=np.arange(3)  

>>>B  

array([0,1,2])  

>>>np.exp(B)  

array([1.,2.71828183,7.3890561])  

>>>np.sqrt(B)  

array([0.,1.,1.41421356])  

>>>C=np.array([2.,-1.,4.])  

>>>np.add(B,C)  

array([2.,0.,6.])  

矩阵的索引分片遍历  

>>>a=np.arange(10)**3  

>>>a  

array([0,1,8,27,64,125,216,343,512,729])  

>>>a[2]  

8  

>>>a[2:5]  

array([8,27,64])  

>>>a[:6:2]=-1000#equivalenttoa[0:6:2]=-1000;fromstarttoposition6,exclusive,setevery2ndelementto-1000  

>>>a  

array([-1000,1,-1000,27,-1000,125,216,343,512,729])  

>>>a[::-1]#reverseda  

array([729,512,343,216,125,-1000,27,-1000,1,-1000])  

>>>foriina:  

...print(i**(1/3.))  

...  

nan  

1.0  

nan  

3.0  

nan  

5.0  

6.0  

7.0  

8.0  

9.0  

矩阵的遍历  

>>>importnumpyasnp  

>>>b=np.arange(16).reshape(4,4)  

>>>forrowinb:  

...print(row)  

...  

[0123]  

[4567]  

[891011]  

[12131415]  

>>>fornodeinb.flat:  

...print(node)  

...  

0  

1  

2  

3  

4  

5  

6  

7  

8  

9  

10  

11  

12  

13  

14  

15  

矩阵的特殊运算  

改变矩阵形状--reshape  

>>>a=np.floor(10*np.random.random((3,4)))  

>>>a  

array([[6.,5.,1.,5.],  

[5.,5.,8.,9.],  

[5.,5.,9.,7.]])  

>>>a.ravel()  

array([6.,5.,1.,5.,5.,5.,8.,9.,5.,5.,9.,7.])  

>>>a  

array([[6.,5.,1.,5.],  

[5.,5.,8.,9.],  

[5.,5.,9.,7.]])  

resize和reshape的区别  

resize会改变原来的矩阵，reshape并不会  

>>>a  

array([[6.,5.,1.,5.],  

[5.,5.,8.,9.],  

[5.,5.,9.,7.]])  

>>>a.reshape(2,-1)  

array([[6.,5.,1.,5.,5.,5.],  

[8.,9.,5.,5.,9.,7.]])  

>>>a  

array([[6.,5.,1.,5.],  

[5.,5.,8.,9.],  

[5.,5.,9.,7.]])  

>>>a.resize(2,6)  

>>>a  

array([[6.,5.,1.,5.,5.,5.],  

[8.,9.,5.,5.,9.,7.]])  

矩阵的合并  

>>>a=np.floor(10*np.random.random((2,2)))  

>>>a  

array([[8.,8.],  

[0.,0.]])  

>>>b=np.floor(10*np.random.random((2,2)))  

>>>b  

array([[1.,8.],  

[0.,4.]])  

>>>np.vstack((a,b))  

array([[8.,8.],  

[0.,0.],  

[1.,8.],  

[0.,4.]])  

>>>np.hstack((a,b))  

array([[8.,8.,1.,8.],  

[0.,0.,0.,4.]])  

以上就是关于扣丁学堂Python培训之NumPy常用方法总结的详细介绍，最后想要学习Python的小伙伴可以选择扣丁学堂，扣丁学堂不仅有专业的老师，还有与时俱进的课程体系，更有大量的Python视频教程供学员观看学习，心动的小伙伴抓紧时间行动吧。扣丁学堂Python技术交流群：816572891。