- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
可编辑文档
PAGE 页码页码/NUMPAGES 总页数总页数
Python中的Numpy入门教程
这篇文章主要介绍了Python中的Numpy入门教程,着重讲解了矩阵中的数组操作,需要的朋友可以参考下
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numpy为我们提供了更多的函数。.如果接触过matlab、scilab,那么numpy很好入手。. 在以下的代码示例中,总是先导入了numpy:
复制代码代码如下:
>>> import numpy as np>>> print np.version.version1.6.2
2、多维数组
多维数组的类型是:numpy.ndarray。
使用numpy.array方法
以list或tuple变量为参数产生一维数组:
复制代码代码如下:
>>> print np.array([1,2,3,4])[1 2 3 4]>>> print np.array((1.2,2,3,4))[ 1.2? 2.?? 3.?? 4. ]>>> print type(np.array((1.2,2,3,4)))<type 'numpy.ndarray'>
以list或tuple变量为元素产生二维数组:
复制代码代码如下:
>>> print np.array([[1,2],[3,4]])[[1 2]?[3 4]]
生成数组的时候,可以指定数据类型,例如numpy.int32, numpy.int16, and numpy.float64等:
复制代码代码如下:
>>> print np.array((1.2,2,3,4), dtype=np.int32)[1 2 3 4]
使用numpy.arange方法
复制代码代码如下:
>>> print np.arange(15)[ 0? 1? 2? 3? 4? 5? 6? 7? 8? 9 10 11 12 13 14]>>> print type(np.arange(15))<type 'numpy.ndarray'>>>> print np.arange(15).reshape(3,5)[[ 0? 1? 2? 3? 4]?[ 5? 6? 7? 8? 9]?[10 11 12 13 14]]>>> print type(np.arange(15).reshape(3,5))<type 'numpy.ndarray'>
使用numpy.linspace方法
例如,在从1到3中产生9个数:
复制代码代码如下:
>>> print np.linspace(1,3,9)[ 1.??? 1.25? 1.5?? 1.75? 2.??? 2.25? 2.5?? 2.75? 3.? ]
使用numpy.zeros,numpy.ones,numpy.eye等方法可以构造特定的矩阵
例如:
复制代码代码如下:
>>> print np.zeros((3,4))[[ 0.? 0.? 0.? 0.]?[ 0.? 0.? 0.? 0.]?[ 0.? 0.? 0.? 0.]]>>> print np.ones((3,4))[[ 1.? 1.? 1.? 1.]?[ 1.? 1.? 1.? 1.]?[ 1.? 1.? 1.? 1.]]>>> print np.eye(3)[[ 1.? 0.? 0.]?[ 0.? 1.? 0.]?[ 0.? 0.? 1.]]
创建一个三维数组:
复制代码代码如下:
>>> print np.zeros((2,2,2))[[[ 0.? 0.]? [ 0.? 0.]]
?[[ 0.? 0.]? [ 0.? 0.]]]
获取数组的属性:
复制代码代码如下:
>>> a = np.zeros((2,2,2))>>> print a.ndim?? #数组的维数3>>> print a.shape? #数组每一维的大小(2, 2, 2)>>> print a.size?? #数组的元素数8>>> print a.dtype? #元素类型float64>>> print a.itemsize? #每个元素所占的字节数8
数组索引,切片,赋值
示例:
复制代码代码如下:
>>> a = np.array( [[2,3,4],[5,6,7]] )>>> print a[[2 3 4]?[5 6 7]]>>> print a[1,2]7>>> print a[1,:][5 6 7]>>> pri
文档评论(0)