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 > 编程开发 > Python基础教程 >

  • python基础教程之初识人工智能(一):数据分析(二):numpy科学计算基础库(一)

本站最新发布   Python从入门到精通|Python基础教程
试听地址  https://www.xin3721.com/eschool/pythonxin3721/


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
      



  

  
  

   
  

  
 
 

 
 
  
 
 
 
 






 





相关教程