Python NumPy庫安裝使用筆記
更新時間：2015年05月18日 09:36:25 投稿：junjie
這篇文章主要介紹了Python NumPy庫安裝使用筆記,本文講解了NumPy的安裝和基礎使用,并對每一句代碼都做了詳細解釋,需要的朋友可以參考下
1. NumPy安裝
使用pip包管理工具進行安裝
復制代碼 代碼如下:
$ sudo pip install numpy
使用pip包管理工具安裝ipython(交互式shell工具)
復制代碼 代碼如下:
$ sudo pip instlal ipython
$ ipython --pylab #pylab模式下, 會自動導入SciPy, NumPy, Matplotlib模塊
2. NumPy基礎
2.1. NumPy數組對象
具體解釋可以看每一行代碼后的解釋和輸出
復制代碼 代碼如下:
In [1]: a = arange(5) # 創(chuàng)建數據
In [2]: a.dtype
Out[2]: dtype('int64') # 創(chuàng)建數組的數據類型
In [3]: a.shape # 數組的維度, 輸出為tuple
Out[3]: (5,)
In [6]: m = array([[1, 2], [3, 4]]) # array將list轉換為NumPy數組對象
In [7]: m # 創(chuàng)建多維數組
Out[7]:
array([[1, 2],
[3, 4]])
In [10]: m.shape # 維度為2 * 2
Out[10]: (2, 2)
In [14]: m[0, 0] # 訪問多維數組中特定位置的元素, 下標從0開始
Out[14]: 1
In [15]: m[0, 1]
Out[15]: 2
2.2. 數組的索引和切片
復制代碼 代碼如下:
In [16]: a[2: 4] # 切片操作類似與Python中l(wèi)ist的切片操作
Out[16]: array([2, 3])
In [18]: a[2 : 5: 2] # 切片步長為2
Out[18]: array([2, 4])
In [19]: a[ : : -1] # 翻轉數組
Out[19]: array([4, 3, 2, 1, 0])
In [20]: b = arange(24).reshape(2, 3, 4) # 修改數組的維度
In [21]: b.shape
Out[21]: (2, 3, 4)
In [22]: b # 打印數組
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] # 選取特定元素
Out[23]: 23
In [24]: b[ : , 0, 0] # 忽略某個下標可以用冒號代替
Out[24]: array([ 0, 12])
In [23]: b[1, 2, 3]
Out[23]: 23
In [24]: b[ : , 0, 0] # 忽略多個下標可以使用省略號代替
Out[24]: array([ 0, 12])
In [26]: b.ravel() # 數組的展平操作
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() # 與revel功能相同, 這個函數會請求分配內存來保存結果
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) # 可以直接對shape屬性賦值元組來設置維度
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) # 矩陣的轉置
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. 組合數組
復制代碼 代碼如下:
In [1]: a = arange(9).reshape(3, 3) # 生成數組對象并改變維度
In [2]: a
Out[2]:
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
In [3]: b = a * 2 # 對a數組對象所有元素乘2
In [4]: b
Out[4]:
array([[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
#######################
In [5]: hstack((a, b)) # 水平組合數組a和數組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)) # 垂直組合數組a和數組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)) # 深度組合數組, 沿z軸方向層疊組合數組
Out[7]:
array([[[ 0, 0],
[ 1, 2],
[ 2, 4]],
[[ 3, 6],
[ 4, 8],
[ 5, 10]],
[[ 6, 12],
[ 7, 14],
[ 8, 16]]])
2.4. 分割數組
復制代碼 代碼如下:
In [8]: a
Out[8]:
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
In [9]: hsplit(a, 3) # 將數組沿水平方向分割成三個相同大小的子數組
Out[9]:
[array([[0],
[3],
[6]]),
array([[1],
[4],
[7]]),
array([[2],
[5],
[8]])]
In [10]: vsplit(a, 3) # 將數組沿垂直方向分割成三個子數組
Out[10]: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]
2.5. 數組的屬性
復制代碼 代碼如下:
In [12]: a.ndim # 給出數組的尾數或數組的軸數
Out[12]: 2
In [13]: a.size # 數組中元素的個數
Out[13]: 9
In [14]: a.itemsize # 數組中元素在內存中所占字節(jié)數(int64)
Out[14]: 8
In [15]: a.nbytes # 數組所占總字節(jié)數, size * itemsize
Out[15]: 72
In [18]: a.T # 和transpose函數一樣, 求數組的轉置
Out[18]:
array([[0, 3, 6],
[1, 4, 7],
[2, 5, 8]])
2.6. 數組的轉換
復制代碼 代碼如下:
In [19]: a.tolist() # 將NumPy數組轉換成python中的list
Out[19]: [[0, 1, 2], [3, 4, 5], [6, 7, 8]]
3. 常用函數
復制代碼 代碼如下:
In [22]: c = eye(2) # 構建2維單位矩陣
In [23]: c
Out[23]:
array([[ 1., 0.],
[ 0., 1.]])
In [25]: savetxt("eye.txt", c) # 將矩陣保存到文件中
In [5]: c, v = loadtxt("test.csv", delimiter=",", usecols=(0, 1), unpack=True) # 分隔符為, usecols為元組表示要獲取的字段數據(每一行的第零段和第一段), unpack為True表示拆分存儲不同列的數據, 分別存入c, v
In [12]: c
Out[12]: array([ 1., 4., 7.])
In [13]: mean(c) # 計算矩陣c的mean均值
Out[13]: 4.0
In [14]: np.max(c) # 求數組中的最大值
Out[14]: 7.0
In [15]: np.min(c) # 求數組中的最小值
Out[15]: 1.0
In [16]: np.ptp(c) # 返回數組最大值和最小值之間的差值
Out[16]: 6.0
In [18]: numpy.median(c) # 找到數組中的中位數(中間兩個數的平均值)
Out[18]: 4.0
In [19]: numpy.var(c) # 計算數組的方差
Out[19]: 6.0
In [20]: numpy.diff(c) # 返回相鄰數組元素的差值構成的數組
Out[20]: array([ 3., 3.])
In [21]: numpy.std(c) # 計算數組的標準差
Out[21]: 2.4494897427831779
In [22]: numpy.where(c > 3) # 返回滿足條件的數組元素的下標組成的數組
Out[22]: (array([1, 2]),)
相關文章
在Python開發(fā)中,規(guī)范的文本格式處理是提升代碼可讀性和維護性的關鍵一環(huán),本文將系統講解textcase庫的核心功能,典型應用場景及性能優(yōu)化策略,感興趣的小伙伴可以跟隨小編一起學習一下2025-04-04
這篇文章主要介紹了PyTorch 檢查GPU版本是否安裝成功的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
這篇文章主要介紹了詳解Python中的裝飾器、閉包和functools的教程,作者還給出了相關的Flask框架下的應用實例,需要的朋友可以參考下2015-04-04
今天小編就為大家分享一篇查看Python依賴包及其版本號信息的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
這篇文章主要介紹了TensorFlow實現簡單的CNN的方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-07-07
這篇文章主要介紹了Python算法之棧（stack）的實現,非常實用,需要的朋友可以參考下2014-08-08
這篇文章主要介紹了教你用scrapy框架爬取豆瓣讀書Top250的書類信息,文中提供了解決思路和部分實現代碼,需要的朋友可以參考下2023-03-03
python爬蟲實戰(zhàn)steam加密逆向RSA登錄解析
今天帶來爬蟲實戰(zhàn)的文章。在挑選游戲的過程中感受學習，讓你突飛猛進。本文主要實現用Python逆向登錄世界上最大的游戲平臺源碼分享，了解steam加密手段有多高明2021-10-10
大家好，本篇文章主要講的是用Python判斷奇偶數示例，感興趣的同學趕快來看一看吧，對你有幫助的話記得收藏一下2022-01-01
python PIL中ImageFilter模塊圖片濾波處理和使用方法
這篇文章主要介紹PIL中ImageFilter模塊幾種圖片濾波處理和使用方法,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2023-11-11