为什么python安装不了numpy库_Python NumPy库安装使用笔记
1. NumPy安装
使用pip包管理工具进行安装
$ sudo pip install numpy
使用pip包管理工具安装ipython(交互式shell工具)
$ sudo pip instlal ipython
$ ipython --pylab #pylab模式下, 会自动导入SciPy, NumPy, Matplotlib模块
2. NumPy基础
2.1. NumPy数组对象
具体解释可以看每一行代码后的解释和输出
In [1]: a = arange(5) # 创建数据
In [2]: a.dtype
Out[2]: dtype('int64') # 创建数组的数据类型
In [3]: a.shape # 数组的维度, 输出为tuple
Out[3]: (5,)
In [6]: m = array([[1, 2], [3, 4]]) # array将list转换为NumPy数组对象
In [7]: m # 创建多维数组
Out[7]:
array([[1, 2],
[3, 4]])
In [10]: m.shape # 维度为2 * 2
Out[10]: (2, 2)
In [14]: m[0, 0] # 访问多维数组中特定位置的元素, 下标从0开始
Out[14]: 1
In [15]: m[0, 1]
Out[15]: 2
2.2. 数组的索引和切片
In [16]: a[2: 4] # 切片操作类似与Python中list的切片操作
Out[16]: array([2, 3])
In [18]: a[2 : 5: 2] # 切片步长为2
Out[18]: array([2, 4])
In [19]: a[ : : -1] # 翻转数组
Out[19]: array([4, 3, 2, 1, 0])
In [20]: b = arange(24).reshape(2, 3, 4) # 修改数组的维度
In [21]: b.shape
Out[21]: (2, 3, 4)
In [22]: b # 打印数组
Out[22]:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
In [23]: b[1, 2, 3] # 选取特定元素
Out[23]: 23
In [24]: b[ : , 0, 0] # 忽略某个下标可以用冒号代替
Out[24]: array([ 0, 12])
In [23]: b[1, 2, 3]
Out[23]: 23
In [24]: b[ : , 0, 0] # 忽略多个下标可以使用省略号代替
Out[24]: array([ 0, 12])
In [26]: b.ravel() # 数组的展平操作
Out[26]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23])
In [27]: b.flatten() # 与revel功能相同, 这个函数会请求分配内存来保存结果
Out[27]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23])
In [30]: b.shape = (6, 4) # 可以直接对shape属性赋值元组来设置维度
In [31]: b
Out[31]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]])
In [30]: b.shape = (6, 4) # 矩阵的转置
In [31]: b
Out[31]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]])
2.3. 组合数组
In [1]: a = arange(9).reshape(3, 3) # 生成数组对象并改变维度
In [2]: a
Out[2]:
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
In [3]: b = a * 2 # 对a数组对象所有元素乘2
In [4]: b
Out[4]:
array([[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
#######################
In [5]: hstack((a, b)) # 水平组合数组a和数组b
Out[5]:
array([[ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8, 10],
[ 6, 7, 8, 12, 14, 16]])
In [6]: vstack((a, b)) # 垂直组合数组a和数组b
Out[6]:
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
In [7]: dstack((a, b)) # 深度组合数组, 沿z轴方向层叠组合数组
Out[7]:
array([[[ 0, 0],
[ 1, 2],
[ 2, 4]],
[[ 3, 6],
[ 4, 8],
[ 5, 10]],
[[ 6, 12],
[ 7, 14],
[ 8, 16]]])
2.4. 分割数组
In [8]: a
Out[8]:
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
In [9]: hsplit(a, 3) # 将数组沿水平方向分割成三个相同大小的子数组
Out[9]:
[array([[0],
[3],
[6]]),
array([[1],
[4],
[7]]),
array([[2],
[5],
[8]])]
In [10]: vsplit(a, 3) # 将数组沿垂直方向分割成三个子数组
Out[10]: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]
2.5. 数组的属性
In [12]: a.ndim # 给出数组的尾数或数组的轴数
Out[12]: 2
In [13]: a.size # 数组中元素的个数
Out[13]: 9
In [14]: a.itemsize # 数组中元素在内存中所占字节数(int64)
Out[14]: 8
In [15]: a.nbytes # 数组所占总字节数, size * itemsize
Out[15]: 72
In [18]: a.T # 和transpose函数一样, 求数组的转置
Out[18]:
array([[0, 3, 6],
[1, 4, 7],
[2, 5, 8]])
2.6. 数组的转换
In [19]: a.tolist() # 将NumPy数组转换成python中的list
Out[19]: [[0, 1, 2], [3, 4, 5], [6, 7, 8]]
3. 常用函数
In [22]: c = eye(2) # 构建2维单位矩阵
In [23]: c
Out[23]:
array([[ 1., 0.],
[ 0., 1.]])
In [25]: savetxt("eye.txt", c) # 将矩阵保存到文件中
In [5]: c, v = loadtxt("test.csv", delimiter=",", usecols=(0, 1), unpack=True) # 分隔符为, usecols为元组表示要获取的字段数据(每一行的第零段和第一段), unpack为True表示拆分存储不同列的数据, 分别存入c, v
In [12]: c
Out[12]: array([ 1., 4., 7.])
In [13]: mean(c) # 计算矩阵c的mean均值
Out[13]: 4.0
In [14]: np.max(c) # 求数组中的最大值
Out[14]: 7.0
In [15]: np.min(c) # 求数组中的最小值
Out[15]: 1.0
In [16]: np.ptp(c) # 返回数组最大值和最小值之间的差值
Out[16]: 6.0
In [18]: numpy.median(c) # 找到数组中的中位数(中间两个数的平均值)
Out[18]: 4.0
In [19]: numpy.var(c) # 计算数组的方差
Out[19]: 6.0
In [20]: numpy.diff(c) # 返回相邻数组元素的差值构成的数组
Out[20]: array([ 3., 3.])
In [21]: numpy.std(c) # 计算数组的标准差
Out[21]: 2.4494897427831779
In [22]: numpy.where(c > 3) # 返回满足条件的数组元素的下标组成的数组
Out[22]: (array([1, 2]),)
为什么python安装不了numpy库_Python NumPy库安装使用笔记相关推荐
- python内核多线程库_python / numpy中的多线程blas
我已经将其发布在另一个线程中,但我认为它更适合于此: 更新(30.07.2014): 我在新的HPC上重新运行基准测试.硬件和软件堆栈都与原始答案中的设置有所不同. 我将结果放在Google电子表格中 ...
- python numpy数据类型_python numPy模块 与numpy里的数据类型、数据类型对象dtype
学习链接:http://www.runoob.com/numpy/numpy-tutorial.html 简介: numPy是python语言的一个扩展库,是一个运行非常快的数学库,主要用于数组计算. ...
- python的标识库和第三方库_Python 标准库、第三方库
Python数据工具箱涵盖从数据源到数据可视化的完整流程中涉及到的常用库.函数和外部工具.其中既有Python内置函数和标准库,又有第三方库和工具.这些库可用于文件读写.网络抓取和解析.数据连接.数清 ...
- python 语音播报库_python 语音库
广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 我需要自动分离两位发言者的声音. 我刚开始学习语音识别,我看了python的wa ...
- python datetime库_python datetime库使用代码详解
python 如何将字符串转化为datetime.date心总是在最痛时,复苏:爱总是在最深时,落下帷幕. 比较省事的办法是用time模块的strptime方法来解析日期字符串成为时间对象,然后再把年 ...
- 安装库_python的库的安装
pip的检查和安装 pip是pyhon自带的一个安装库的工具,今天就教大家安装方法 Python其实是要配置变量环境的,在安装时要勾选下面的[Add Python 3.7 to PATH]如果没够,是 ...
- python的numpy教程_python numpy 基础教程 | 学步园
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nu ...
- python 数据分析 库_Python数据分析库
python 数据分析 库 什么是数据分析? (What is Data Analytics?) Data is power. Insights acquired from data is the k ...
- 机器学习 python 库_Python机器学习库
机器学习 python 库 什么是机器学习? (What is Machine Learning?) As the web is immensely growing with each day, an ...
- python单词库_python 单词库
广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! python官方教程的最后一个部分就是标准库概览,在这里我们浏览一下标准库,了解 ...
最新文章
- 事务消息大揭秘！RocketMQ、Kafka、Pulsar全方位对比
- tcp/ip 协议栈Linux内核源码分析11 邻居子系统分析二 arp协议的实现处理
- cocos2dxFlappyBird开发总结二：开发环境介绍
- java 多线程生产者_java-Runnable加锁实现生产者和消费者的多线程问题
- 计算虚拟化涉及的关键技术有哪几项_都开始商用了 5G的这些关键技术还不知道？...
- 详解.NET IL代码（一）
- python 谷歌翻译 api_python免费调用谷歌翻译接口
- ad19做直插封装 ipc_共享一下自己的PCB封装库(Altium Designer)
- 码出高效：Java开发手册 ——百度网盘下载链接
- java web课程报告_java web课程设计报告.doc
- Misc_PNG高宽详解
- 【100%通过率】华为OD机试真题 Java 实现【处理器问题/ 高性能AI处理器】【2022.11 Q4 新题】
- 测试用例评审的旁观记录
- 联通光猫桥接、路由拨号设置踩坑
- 视频剪辑，就上这5个网站找素材，免费可商用。
- 兔子吃狼 引发的人力资源故事
- 会声会影浪漫婚礼视频——美到想哭
- 5000字加21图文 | 抓包带你体验同网段的通信过程，这些细节很关键
- SAP中SD交货与WM下架功能的集成应用
- 慕容话币：币圈投资缺点无处遁形，保持良好的心态有多难？