python的科学计算库有哪些_Python科学计算库-Numpy

NumPy 是 Python 语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库，也是学习 python 必学的一个库。

1. 读取文件

numpy.genfromtxt() 用于读取 txt 文件，其中传入的参数依次为：

需要读取的 txt 文件位置，此处文件与程序位于同一目录下

分割的标记

转换类型，如果文件中既有文本类型也有数字类型，就先转成文本类型

help(numpy.genfromtxt)用于查看帮助文档：

如果不想看 API 可以启动一个程序用 help 查看指令的详细用法

import numpy

world_alcohol = numpy.genfromtxt("world_alcohol.txt", delimiter=",",dtype=str)

print(type(world_alcohol))

print(world_alcohol)

print(help(numpy.genfromtxt))

2. 构造 ndarray

numpy.array()构造 ndarray

numpy.array()中传入数组参数，可以是一维的也可以是二维三维的。numpy 会将其转变成 ndarray 的结构。

vector = numpy.array([1,2,3,4])

matrix = numpy.array([[1,2,3],[4,5,6]])

传入的参数必须是同一结构,不是同一结构将发生转换。

vector = numpy.array([1,2,3,4])

array([1, 2, 3, 4])

均为 int 类型

vector = numpy.array([1,2,3,4.0])

array([ 1., 2., 3., 4.])

转为浮点数类型

vector = numpy.array([1,2,'3',4])

array(['1', '2', '3', '4'],dtype='

转为字符类型

利用 .shape 查看结构

能够了解 array 的结构，debug 时通过查看结构能够更好地了解程序运行的过程。

print(vector.shape)

print(matrix.shape)

(4,)

(2, 3)

利用 dtype 查看类型

vector = numpy.array([1,2,3,4])

vector.dtype

dtype('int64')

ndim 查看维度

一维

vector = numpy.array([1,2,3,4])

vector.ndim

二维

matrix = numpy.array([[1,2,3],

[4,5,6],

[7,8,9]])

matrix.ndim

size 查看元素数量

matrix.size

3. 获取与计算

numpy 能使用切片获取数据

matrix = numpy.array([[1,2,3],

[4,5,6],

[7,8,9]])

根据条件获取

numpy 能够依次比较 vector 和元素之间是否相同

vector = numpy.array([5, 10, 15, 20])

vector == 10

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

根据返回值获取元素

vector = numpy.array([5, 10, 15, 20])

equal_to_ten = (vector == 10)

print(equal_to_ten)

print(vector[equal_to_ten])

[False True False False]

[10]

进行运算之后获取

vector = numpy.array([5, 10, 15, 20])

equal_to_ten_and_five = (vector == 10) & (vector == 5)

vector = numpy.array([5, 10, 15, 20])

equal_to_ten_or_five = (vector == 10) | (vector == 5)

类型转换

将整体类型进行转换

vector = numpy.array([5, 10, 15, 20])

print(vector.dtype)

vector = vector.astype(str)

print(vector.dtype)

int64

求和

sum() 能够对 ndarray 进行各种求和操作，比如分别按行按列进行求和

matrix = numpy.array([[1,2,3],

[4,5,6],

[7,8,9]])

print(matrix.sum())

print(matrix.sum(1))

print(matrix.sum(0))

[ 6 15 24]

[12 15 18]

sum(1) 是 sum(axis=1)) 的缩写，1表示按照 x轴方向求和，0表示按照y轴方向求和

4. 常用函数

reshape

生成从 0-14 的 15 个数字，使用 reshape(3,5) 将其构造成一个三行五列的 array。

import numpy as np

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

arr

array([[ 0, 1, 2, 3, 4],

[ 5, 6, 7, 8, 9],

[10, 11, 12, 13, 14]])

zeros

生成指定结构的默认为 0. 的 array

np.zeros ((3,4))

array([[ 0., 0., 0., 0.],

[ 0., 0., 0., 0.],

[ 0., 0., 0., 0.]])

ones

生成一个三维的 array,通过 dtype 指定类型

np.ones( (2,3,4), dtype=np.int32 )

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]]])

range

指定范围和数值间的间隔生成 array，注意范围包左不包右

np.arange(0,10,2)

array([0, 2, 4, 6, 8])

random 随机数

生成指定结构的随机数，可以用于生成随机权重

np.random.random((2,3))

array([[ 0.86166627, 0.37756207, 0.94265883],

[ 0.9768257 , 0.96915312, 0.33495431]])

5. ndarray 运算

元素之间依次相减相减

a = np.array([10,20,30,40])

b = np.array(4)

a - b

array([ 6, 16, 26, 36])

乘方

a**2

array([ 100, 400, 900, 1600])

开根号

np.sqrt(B)

array([[ 1.41421356, 0. ],

[ 1.73205081, 2. ]])

e 求方

np.exp(B)

array([[ 7.3890561 , 1. ],

[ 20.08553692, 54.59815003]])

向下取整

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

array([[ 0., 0.],

[ 3., 6.]])

行列变换

a.T

array([[ 0., 3.],

[ 0., 6.]])

变换结构

a.resize(1,4)

array([[ 0., 0., 3., 6.]])

6. 矩阵运算

矩阵之间的运算

A = np.array( [[1,1],

[0,1]] )

B = np.array( [[2,0],

[3,4]] )

对应位置一次相乘

A*B

array([[2, 0],

[0, 4]])

矩阵乘法

print (A.dot(B))

print(np.dot(A,B))

[[5 4]

[3 4]]

横向相加

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

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

print(a)

print(b)

print(np.hstack((a,b)))

[[ 2. 3.]

[ 9. 3.]]

[[ 8. 1.]

[ 0. 0.]]

[[ 2. 3. 8. 1.]

[ 9. 3. 0. 0.]]

纵向相加

print(np.vstack((a,b)))

[[ 2. 3.]

[ 9. 3.]

[ 8. 1.]

[ 0. 0.]]

矩阵分割

#横向分割

print( np.hsplit(a,3))

#纵向风格

print(np.vsplit(a,3))

7. 复制的区别

地址复制

通过 b = a 复制 a 的值，b 与 a 指向同一地址，改变 b 同时也改变 a。

a = np.arange(12)

b = a

print(a is b)

print(a.shape)

print(b.shape)

b.shape = (3,4)

print(a.shape)

print(b.shape)

True

(12,)

(3, 4)

复制值

通过 a.view() 仅复制值，当对 c 值进行改变会改变 a 的对应的值，而改变 c 的 shape 不改变 a 的 shape

a = np.arange(12)

c = a.view()

print(c is a)

c.shape = 2,6

c[0,0] = 9999

print(a)

print(c)

False

[9999 1 2 3 4 5 6 7 8 9 10 11]

[[9999 1 2 3 4 5]

[ 6 7 8 9 10 11]]

完整拷贝

a.copy() 进行的完整的拷贝，产生一份完全相同的独立的复制

a = np.arange(12)

c = a.copy()

print(c is a)

c.shape = 2,6

c[0,0] = 9999

print(a)

print(c)

False

[ 0 1 2 3 4 5 6 7 8 9 10 11]

[[9999 1 2 3 4 5]

[ 6 7 8 9 10 11]]

python的科学计算库有哪些_Python科学计算库-Numpy相关推荐

python科学计算是什么意思_Python科学计算和数据分析（NumPy详细介绍）
本文介绍的科学计算.数据分析必备基础知识. 本文全文约2600字,阅读时间约15分钟,请你耐心观看. 本文使用的开发环境是Python3.8,Numpy版本是1.19,本文的例子全部经过验证,你可以直 ...
python怎么导入第三方库完整教程_Python 安装第三方库教程
Python是一门优雅的语言,简洁的语法,强大的功能.包含丰富的第三方库,那么问题来了,如何安装这些第三方库(包)呢? 我的电脑:Windows 764位 Python IDE软件:PyCharm 2 ...
python中的array是什么意思_python中数组（numpy.array）的基本操作
为什么要用numpy Python中提供了list容器,可以当作数组使用.但列表中的元素可以是任何对象,因此列表中保存的是对象的指针,这样一来,为了保存一个简单的列表[1,2,3].就需要三个指针和三 ...
python的科学计算库有哪些_python科学计算：带你初探scipy库的常量模块和函数模块...
嗨,机智哥又跟大家见面了.前面几节课,我们了解了Numpy模块的一些基本功能,知道了如何运用Numpy模块中的一些函数解决一些我们生活中的问题. 当然,Numpy模块还有大部分我们没有讲到的函数,如果 ...
python标准库math中用来计算平方根的函数_python考试复习题库
内容来自用户:魔翼双飞237 一. 填空e68a843231313335323631343130323136353331333433646430题1. Python安装扩展库常用的是_工具.(pip) ...
python科学计算模块有什么_Python科学计算—numpy模块总结（1）
作为一个本科学数学专业,目前研究非线性物理领域的研究僧.用什么软件进行纯科学计算好,Fortran永远是第一位的:matlab虽然很强大,可以很容易的处理大量的大矩阵,但是求解我们的模型(有时可能是几 ...
python科学计算可视化好慢_Python科学计算三维可视化 1
1.二维标量数据场颜色映射法等值立体图法层次分割法 2.三维标量数据场面绘制体绘制 3.矢量数据场直接(箭头线段色轮) 流线法 TVTK相关安装 http://code.enthou ...
python安装扩展常用的工具是_Python 安装扩展库常用的是 _______ 工具_学小易找答案...
[单选题]若用一个字节存储一个正整数,则这个正整数的最小值和最大值分别是 ________ . (1.0分) [单选题]有甲.乙.丙.丁四位同学,用米尺测量一根铜棒的长度,各人所得的结果表达如下,正确 ...
python中求和公式是什么函数_Python的math库中,用于求和的函数是( )。
[单选题]确定兴利库容 V 兴 ,已知某水库为一回运用水库,其一次蓄水量为 V 1 =300 万 m 3 ,一次供水量为 V 2 =150 万 m 3 . [ ]. [单选题]hAB大于0说明B点的高 ...

python的科学计算库有哪些_Python科学计算库-Numpy

python的科学计算库有哪些_Python科学计算库-Numpy相关推荐

最新文章

热门文章