VB.net 2010 视频教程 VB.net 2010 视频教程 python基础视频教程
SQL Server 2008 视频教程 c#入门经典教程 Visual Basic从门到精通视频教程
当前位置:
首页 > Python基础教程 >

  • 初识人工智能(一):数据分析(二):numpy科学计算基础库(一)

1. numpy科学计算基础库

1.1 什么是numpy

NumPy(Numerical Python)是Python语言的一个扩展程序库，支持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。

NumPy的前身Numeric最早是由Jim Hugunin与其它协作者共同开发，2005 年，Travis Oliphant在Numeric中结合了另一个同性质的程序库Numarray的特色，并加入了其它扩展而开发了NumPy。NumPy为开放源代码并且由许多协作者共同维护开发。

NumPy是一个运行速度非常快的数学库，主要用于数组计算，包含：

  • 一个强大的N维数组对象 ndarray
  • 广播功能函数
  • 整合 C/C++/Fortran 代码的工具
  • 线性代数、傅里叶变换、随机数生成等功能

1.2 创建数组(矩阵)



    

  1. 
# coding=utf-8
    2. 

  2. 
import numpy as np
    3. 

  3. 
 
    4. 

  4. 
#使用numpy生成数组,得到ndarray的类型
    5. 

  5. 
t1 = np.array([1,2,3,])
    6. 

  6. 
print(t1)
    7. 

  7. 
print(type(t1))
    8. 

  8. 
 
    9. 

  9. 
t2 = np.array(range(10))
    10. 

  10. 
print(t2)
    11. 

  11. 
print(type(t2))
    12. 

  12. 
 
    13. 

  13. 
t3 = np.arange(4,10,2)
    14. 

  14. 
print(t3)
    15. 

  15. 
print(type(t3))
    16. 

  16. 
print(t3.dtype)
    17. 






运行结果











1.3 数据类型







名称

描述







bool_

布尔型数据类型（True 或者 False）





int_

默认的整数类型（类似于 C 语言中的 long，int32 或 int64）





intc

与 C 的 int 类型一样，一般是 int32 或 int 64





intp

用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）





int8

字节（-128 to 127）





int16

整数（-32768 to 32767）





int32

整数（-2147483648 to 2147483647）





int64

整数（-9223372036854775808 to 9223372036854775807）





uint8

无符号整数（0 to 255）





uint16

无符号整数（0 to 65535）





uint32

无符号整数（0 to 4294967295）





uint64

无符号整数（0 to 18446744073709551615）





float_

float64 类型的简写





float16

半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位





float32

单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位





float64

双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位





complex_

complex128 类型的简写，即 128 位复数





complex64

复数，表示双 32 位浮点数（实数部分和虚数部分）





complex128

复数，表示双 64 位浮点数（实数部分和虚数部分）










    

  1. 
# coding=utf-8
    2. 

  2. 
import numpy as np
    3. 

  3. 
import random
    4. 

  4. 
 
    5. 

  5. 
# int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替
    6. 

  6. 
t1 = np.array(range(1,4),dtype="i1")
    7. 

  7. 
print(t1)
    8. 

  8. 
print(t1.dtype)
    9. 

  9. 
 
    10. 

  10. 
##numpy中的bool类型
    11. 

  11. 
t2 = np.array([1,1,0,1,0,0],dtype=bool)
    12. 

  12. 
print(t2)
    13. 

  13. 
print(t2.dtype)
    14. 

  14. 
 
    15. 

  15. 
#调整数据类型
    16. 

  16. 
t3 = t2.astype("int8")
    17. 

  17. 
print(t3)
    18. 

  18. 
print(t3.dtype)
    19. 

  19. 
 
    20. 

  20. 
#numpy中的小数
    21. 

  21. 
t4 = np.array([random.random() for i in range(10)])
    22. 

  22. 
print(t4)
    23. 

  23. 
print(t4.dtype)
    24. 

  24. 
 
    25. 

  25. 
t5 = np.round(t4,2)
    26. 

  26. 
print(t5)
    27. 






运行结果：











1.4 数组的形状






    

  1. 
# coding=utf-8
    2. 

  2. 
import numpy as np
    3. 

  3. 
 
    4. 

  4. 
a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]])
    5. 

  5. 
print(a)
    6. 

  6. 
 
    7. 

  7. 
#查看数组形状
    8. 

  8. 
print(a.shape)
    9. 

  9. 
 
    10. 

  10. 
#修改数组形状
    11. 

  11. 
print(a.reshape(3,4))
    12. 

  12. 
 
    13. 

  13. 
#原数组形状不变
    14. 

  14. 
print(a.shape)
    15. 

  15. 
 
    16. 

  16. 
b = a.reshape(3,4)
    17. 

  17. 
 
    18. 

  18. 
print(b.shape)
    19. 

  19. 
 
    20. 

  20. 
print(b)
    21. 

  21. 
 
    22. 

  22. 
#把数组转化为1维度数据
    23. 

  23. 
print(b.reshape(1,12))
    24. 

  24. 
 
    25. 

  25. 
print(b.flatten())
    26. 






运行结果：











1.5 数组和数的计算






    

  1. 
# coding=utf-8
    2. 

  2. 
import numpy as np
    3. 

  3. 
 
    4. 

  4. 
a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]])
    5. 

  5. 
 
    6. 

  6. 
print(a)
    7. 

  7. 
 
    8. 

  8. 
#加法减法
    9. 

  9. 
print(a+5)
    10. 

  10. 
print(a-5