使用python可以实现科学计算吗_使用Python进行科学计算:NumPy入门
使用Python进行科学计算:NumPy入门
编程派微信号:codingpy
本文由 Python 翻译组 最新翻译出品,原作者为 Jamal Moir,译者为 cystone,并由编程派作者 EarlGrey 校对。这是使用 Python 进行科学计算的系列文章,上一篇可点此查看:Matplotlib 快速入门。
译者简介:cystone, 成都信息工程大学,计算机学院学生。擅长领域:图像处理,机器学习。
你可以用 NumPy 做很多有趣的事情。
NumPy 是一个运行速度非常快的数学库,主要用于数组计算。它可以让你在 Python 中使用向量和数学矩阵,以及许多用 C 语言实现的底层函数,你还可以体验到从未在原生 Python 上体验过的运行速度。
NumPy 是 Python 在科学计算领域取得成功的关键之一,如果你想通过 Python 学习数据科学或者机器学习,就必须学习 NumPy。我认为 NumPy 的功能很强大,而且入门也不难。
数组基础
创建数组
NumPy 的核心是数组(arrays)。具体来说是多维数组(ndarrays),但是我们不用管这些。通过这些数组,我们能以闪电般的速度使用像向量和数学矩阵之类的功能。赶紧捡起你的线性代数吧!(只是开玩笑,其实并不需要很多复杂的数学知识)
# 1D Arraya = np.array([0, 1, 2, 3, 4])b = np.array((0, 1, 2, 3, 4))
c = np.arange(5)
d = np.linspace(0, 2*np.pi, 5)
print(a) # >>>[0 1 2 3 4]print(b) # >>>[0 1 2 3 4]print(c) # >>>[0 1 2 3 4]print(d) # >>>[ 0. 1.57079633 3.14159265 4.71238898 6.28318531]print(a[3]) # >>>3
上边的代码展示了创建数组的四种不同方式。最基本的方式是传递一个序列给 NumPy 的 array() 函数;你可以传给它任意的序列,不仅仅是我们常见的列表之类的。
注意,当输出的数组中的数值长度不一样的时候,它会自动对齐。这在查看矩阵的时候很有用。数组的索引和 Python 中的列表或其他序列很像。你也可以对它们使用切片,这里我不再演示一维数组的切片,如果你想知道更多关于切片的信息,查看这篇文章。
上边数组的例子给你展示了如何在 NumPy 中表示向量,接下来我将带你们领略一下怎么表示矩阵和多维数组。
# MD Array,a = np.array([[11, 12, 13, 14, 15],[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25],
[26, 27, 28 ,29, 30],
[31, 32, 33, 34, 35]])
print(a[2,4]) # >>>25
通过给 array() 函数传递一个列表的列表(或者是一个序列的序列),可以创建二维数组。如果我们想要一个三维数组,那我们就传递一个列表的列表的列表,四维数组就是列表的列表的列表的列表,以此类推。
注意二维数组是如何成行成列排布的(在我们的朋友—空格的帮助下)。如果要索引一个二维数组,只需要引用相应的行数和列数即可。
背后的数学知识
为了更好的理解这些,我们需要来看一下什么是向量和矩阵。
向量是一个有方向和大小的量,通常用来表示速度、加速度和动量等。向量能以多种方式书写,但是我们最有用的方式是把它们写在有 n 个元素的元组里边,比如(1, 4, 6, 9)。这就是它们在 NumPy 中的表示方式。
矩阵和向量很像,除了它是由行和列组成的;更像一个网格(grid)。矩阵中的数值可以用它们所在的行和列来表示。在 NumPy 中,可以像我们前面所做的那样,通过传递序列的序列来创建数组。
多维数组切片
多维数组切片比一维数组要复杂一点,同时它也是你在用 NumPy 的时候经常会用到的。
# MD slicingprint(a[0, 1:4]) # >>>[12 13 14]print(a[1:4, 0]) # >>>[16 21 26]print(a[::2,::2]) # >>>[[11 13 15] # [21 23 25]# [31 33 35]]print(a[:, 1]) # >>>[12 17 22 27 32]
就像你看到的一样,多维数组切片就是要分别在每个维度上切片,并用逗号隔开。在二维数组中,第一个切片的含义是对行切片,第二个切片的含义是对列切片。
值得注意的是,你通过输入数字来指定行和列。上边第一个例子是从数组中选择第 0 行。(注:原文为第 0 列,应该是作者笔误)
下边的这幅图阐明了上边切片的例子的含义。
数组属性
在使用 NumPy 时,你会想知道数组的某些信息。很幸运,在这个包里边包含了很多便捷的方法,可以给你想要的信息。
# Array propertiesa = np.array([[11, 12, 13, 14, 15],[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25],
[26, 27, 28 ,29, 30],
[31, 32, 33, 34, 35]])
print(type(a)) # >>>print(a.dtype) # >>>int64print(a.size) # >>>25print(a.shape) # >>>(5, 5)print(a.itemsize) # >>>8print(a.ndim) # >>>2print(a.nbytes) # >>>200
如你所看,在上边的代码中 NumPy 的数组其实被称为 ndarray。我不知道为什么它被称为 ndarray,如果有人知道请在下边留言!我猜测它是表示 n 维数组(n dimensional array)。
数组的形状(shape)是指它有多少行和列,上边的数组有五行五列,所以他的形状是(5,5)。
‘itemsize’ 属性是每一个条目所占的字节。这个数组的数据类型是 int64,一个 int64 的大小是 64 比特,8 比特为 1 字节,64 除以 8 就得到了它的字节数,8 字节。
‘ndim’ 属性是指数组有多少维。这个数组有二维。但是,比如说向量,只有一维。
‘nbytes’ 属性表示这个数组中所有元素占用的字节数。你应该注意,这个数值并没有把额外的空间计算进去,因此实际上这个数组占用的空间会比这个值大点。
使用数组
基本操作符
仅仅会赋值、取值和得到一些属性是不能满足你的需求的,有时候你还需要做一些数学运算。你可以利用基本的操作符实现这些,比如 +, -, /,等等。
# Basic Operatorsa = np.arange(25)a = a.reshape((5, 5))
b = np.array([10, 62, 1, 14, 2, 56, 79, 2, 1, 45,
4, 92, 5, 55, 63, 43, 35, 6, 53, 24,
56, 3, 56, 44, 78])b = b.reshape((5,5))
print(a + b)
print(a - b)
print(a * b)
print(a / b)
print(a ** 2)
print(a < b)
print(a > b)
print(a.dot(b))
除了 dot() 之外,这些操作符都是对数组进行逐元素运算。比如 (a, b, c) + (d, e, f) 的结果就是 (a+d, b+e, c+f)。它将分别对每一个元素进行配对,然后对它们进行运算。它返回的结果是一个数组。注意,当使用逻辑运算符比如 “” 的时候,返回的将是一个布尔型数组,这点有一个很好的用处,后边我们会提到。
dot() 函数计算两个数组的点积。它返回的是一个标量(只有大小没有方向的一个值)而不是数组。
背后的数学知识
dot() 函数有时候也称为点积。理解这个函数的最好方法就是看下边它的计算过程。
数组的特定操作符
NumPy 还提供了一些其他很有用的操作符,用于处理数组。
# dot, sum, min, max, cumsuma = np.arange(10)print(a.sum()) # >>>45print(a.min()) # >>>0print(a.max()) # >>>9print(a.cumsum()) # >>>[ 0 1 3 6 10 15 21 28 36 45]
很明显就能看出 sum()、min() 和 max() 函数的功能:将所有元素加起来,找到最小值和最大值。
cumsum() 函数就不是那么明显了。它像 sum() 那样把所有元素加起来,但是它的实现方式是,第一个元素加到第二个元素上,把结果保存到一个列表里,然后把结果加到第三个元素上,再保存到列表里,依次累加。当遍历完数组中所有元素则结束,返回值为运行数组的总和的列表。
cystone: 这里作者说的比较拗口,其实 cumsum() 就是一个累加计算并且保存每次累加的结果,返回值就是包含所有累加结果的一个列表。比如 np.array([1, 2, 3, 4, 5]).cumsum() = [1, 3, 6, 10, 15]
高级索引
花俏的索引
“花俏的索引”是获取数组中我们想要的特定元素的有效方法。
# Fancy indexinga = np.arange(0, 100, 10)indices = [1, 5, -1]
b = a[indices] print(a) # >>>[ 0 10 20 30 40 50 60 70 80 90]print(b) # >>>[10 50 90]
如你所见,上边的例子中,我们用想获取的索引的序列作为索引。它返回了我们索引的元素。
布尔过滤(boolean masking)
布尔过滤是一个奇妙的特性,它允许我们根据指定条件获取数组中的元素。
# Boolean maskingimport matplotlib.pyplot as plta = np.linspace(0, 2 * np.pi, 50)
b = np.sin(a)
plt.plot(a,b)
mask = b >= 0plt.plot(a[mask], b[mask], 'bo')
mask = (b >= 0) & (a <= np.pi / 2)
plt.plot(a[mask], b[mask], 'go')
plt.show()
上边的代码展示了实现布尔屏蔽。你需要做的就是传递给数组一个与它有关的条件式,然后它就会返回给定条件下为真的值。
上边的例子将会生成下边这幅图:
我们用条件式选择了图中不同的点。蓝色的点(也包含图中的绿点,只是绿点覆盖了蓝点),显示的是值大于零的点。绿点显示的是值大于 0 小于 Pi / 2 的点。
缺省索引
缺省索引是从多维数组的第一维获取索引和切片便捷方法。例如,你有一个数组 a = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]],那么 a[3] 将会返回数组第一维中索引值为 3 的元素,这里的结果是 4。
# Incomplete Indexinga = np.arange(0, 100, 10)b = a[:5] c = a[a >= 50]
print(b) # >>>[ 0 10 20 30 40]print(c) # >>>[50 60 70 80 90]
Where 函数
where() 函数是另外一个根据条件返回数组中的值的有效方法。只需要把条件传递给它,它就会返回一个使得条件为真的元素的列表。
# Wherea = np.arange(0, 100, 10)b = np.where(a < 50)
c = np.where(a >= 50)[0]
print(b) # >>>(array([0, 1, 2, 3, 4]),)print(c) # >>>[5 6 7 8 9]
这就是 NumPy,不算太难,对吧?当然,这些只是一些基础,NumPy 还有很多其他的功能,如果你已经熟悉了这些基础内容,你可以去探索一下。
使用python可以实现科学计算吗_使用Python进行科学计算:NumPy入门相关推荐
- python可以做科学计算吗_用 Python 做科学计算之最小二乘
前段时间帮@littlemorning做论文,要编程实现经济学的模型,其中主要用最小二乘拟合来估算一些函数的参数.科学计算的活一般来说都会用matlab,不过那样庞大的东西不是我所喜欢的.于是乎转向P ...
- python计算信息增益_利用Python提取ABAQUS的计算结果(ODB)信息、体积、应变等变化(一)...
00 实例模型 一个金属长方体,我们需要对其做拉伸的加载约束示意图如图1,并在完成后采用Python命令流读取参考点的位移.体积.应变随加载时间的变化情况. 图1 金属长方体约束加载示意图 01 Py ...
- python发行版是什么意思_致 Python 初学者
当下是一个喧嚣.浮躁的时代.我们总是被生活中大量涌现的热点所吸引,几乎没有深度阅读和思考的时间和机会.我始终认为,学习是需要沉下心来慢慢钻研的,是长期的:同时,学习不应该被赋予太多的功利色彩.一个Py ...
- python基于水色图像的水质评价_基于Python和遥感图像的膨胀与腐蚀操作
引言 膨胀与腐蚀是图像形态学中的基本操作,本文将从两个角度实现python的膨胀与腐蚀算法,分别是特征提取与分割后处理.目前,在RGB图像领域,这两种形态学算法经常用于分割结果的处理,例如连通区处理. ...
- python适合找哪方面工作_学习python后能做哪方面的工作
Python作为一种功能强大的编程语言,因其简单易学而受到很多开发者的青睐.那么,Python 的应用领域有哪些呢? 概括起来,Python的应用领域主要有如下几个,这也是学完python将要从事的相 ...
- python末位1的位置_用Python黑了整个学院学姐的电话和QQ,爬虫牛皮!兄弟们耗子尾之!...
文章末尾有python全套学习资料领取 1. python爬虫可以爬取大规模数据.Python具有丰富和强大的库.它常被昵称为胶水语言,能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在 ...
- python哪个关键字可以导入模块_关于python导入模块import与常见的模块详解
0.什么是python模块?干什么的用的? Java中如果使用abs()函数,则需要需要导入Math包,同样python也是封装的,因为python提供的函数太多,所以根据函数的功能将其封装在不同的m ...
- python支持的编程范式有_【Python学习手册】chapter1 前面
读书笔记! Python命名:以英国喜剧组'Monty Python'命名--BBC20世纪70年代的<Monty Python's and the Holy Grai>的制片方,和我们认 ...
- python一般学多久可以考试_为何Python适合初学者 一般Python要学习多久
为何Python适合初学者?一般Python要学习多久?很多人都觉得,Python是一门很好学的语言,非常适合入门.但更多人都是不清楚具体原因的.那么,我们不如一起来看看Python为何更适合初学者, ...
- python解图片迷宫生成路径_用Python代码来解图片迷宫的方法整理
译注:原文是StackOverflow上一个如何用程序读取迷宫图片并求解的问题,几位参与者热烈地讨论并给出了自己的代码,涉及到用python对图片的处理以及广度优先(BFS)算法等. 问题by Why ...
最新文章
- java 全局变量_Java语言与C语言、C++语言有何差异以及优劣势
- CSS position(定位)属性
- python三方库打包项目中_将Python库打包到项目中
- SonarQube 质量配置,设置各个语言默认的扫描规则
- Conda solving environment一晚上还不能完成有解吗?
- myeclipse中的项目如何切换svn地址
- pandas.DataFrame.sample随机抽样
- 软件测试--用例编写
- 二进制转化成ascll_怎样将二进制转ascii码
- 阿里云使用经验分享——小投入大收益
- 英语六级常考核心词汇01
- Codeforces 1090C New Year Presents
- skyline三维地图与arcgis二维地图联动
- 一文读懂channel设计
- 自定义Spark累加器
- 获取data-*属性值
- 串口NFC模块,轻松实现NFC通信
- 40道Java多线程面试真题及答案
- 基于DYDX闪电贷在Cofix和Uniswap之间套利
- CAD中插入外部参照字体会变繁体_调整CAD图纸中参照图形明暗的方法技巧