Python NumPy庫(kù)安裝使用筆記

更新時(shí)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(kù)安裝使用筆記,本文講解了NumPy的安裝和基礎(chǔ)使用,并對(duì)每一句代碼都做了詳細(xì)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(jìn)行安裝

$ sudo pip install numpy

使用pip包管理工具安裝ipython(交互式shell工具)

$ sudo pip instlal ipython

$ ipython --pylab  #pylab模式下, 會(huì)自動(dòng)導(dǎo)入SciPy, NumPy, Matplotlib模塊

2. NumPy基礎(chǔ)

2.1. NumPy數(shù)組對(duì)象

具體解釋可以看每一行代碼后的解釋和輸出

復(fù)制代碼代碼如下:

In [1]: a = arange(5)  # 創(chuàng)建數(shù)據(jù)

In [2]: a.dtype

Out[2]: dtype('int64')  # 創(chuàng)建數(shù)組的數(shù)據(jù)類型

In [3]: a.shape  # 數(shù)組的維度, 輸出為tuple

Out[3]: (5,)

In [6]: m = array([[1, 2], [3, 4]])  # array將list轉(zhuǎn)換為NumPy數(shù)組對(duì)象

In [7]: m  # 創(chuàng)建多維數(shù)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(wèn)多維數(shù)組中特定位置的元素, 下標(biāo)從0開(kāi)始

Out[14]: 1

In [15]: m[0, 1]

Out[15]: 2

2.2. 數(shù)組的索引和切片

復(fù)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(zhǎng)為2

Out[18]: array([2, 4])

In [19]: a[ : : -1]  # 翻轉(zhuǎn)數(shù)組

Out[19]: array([4, 3, 2, 1, 0])

In [20]: b = arange(24).reshape(2, 3, 4)  # 修改數(shù)組的維度

In [21]: b.shape

Out[21]: (2, 3, 4)

In [22]: b  # 打印數(shù)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(gè)下標(biāo)可以用冒號(hào)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(gè)下標(biāo)可以使用省略號(hào)代替

Out[24]: array([ 0, 12])

In [26]: b.ravel()  # 數(shù)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(gè)函數(shù)會(huì)請(qǐng)求分配內(nèi)存來(lái)保存結(jié)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(duì)shape屬性賦值元組來(lái)設(shè)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(zhuǎn)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(shù)組

復(fù)制代碼代碼如下:

In [1]: a = arange(9).reshape(3, 3)  # 生成數(shù)組對(duì)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(duì)a數(shù)組對(duì)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(shù)組a和數(shù)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(shù)組a和數(shù)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(shù)組, 沿z軸方向?qū)盈B組合數(shù)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(shù)組

復(fù)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(shù)組沿水平方向分割成三個(gè)相同大小的子數(shù)組
Out[9]:
[array([[0],
        [3],
        [6]]),
array([[1],
        [4],
        [7]]),
array([[2],
        [5],
        [8]])]
In [10]: vsplit(a, 3) # 將數(shù)組沿垂直方向分割成三個(gè)子數(shù)組
Out[10]: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

2.5. 數(shù)組的屬性

復(fù)制代碼代碼如下:

In [12]: a.ndim  # 給出數(shù)組的尾數(shù)或數(shù)組的軸數(shù)

Out[12]: 2

In [13]: a.size  # 數(shù)組中元素的個(gè)數(shù)

Out[13]: 9

In [14]: a.itemsize  # 數(shù)組中元素在內(nèi)存中所占字節(jié)數(shù)(int64)

Out[14]: 8

In [15]: a.nbytes  # 數(shù)組所占總字節(jié)數(shù), size * itemsize

Out[15]: 72

In [18]: a.T  # 和transpose函數(shù)一樣, 求數(shù)組的轉(zhuǎn)置

Out[18]:

array([[0, 3, 6],

       [1, 4, 7],

       [2, 5, 8]])

2.6. 數(shù)組的轉(zhuǎn)換

復(fù)制代碼代碼如下:

In [19]: a.tolist()  # 將NumPy數(shù)組轉(zhuǎn)換成python中的list

Out[19]: [[0, 1, 2], [3, 4, 5], [6, 7, 8]]

3. 常用函數(shù)

復(fù)制代碼代碼如下:

In [22]: c = eye(2)  # 構(gòu)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(shù)據(jù)(每一行的第零段和第一段), unpack為True表示拆分存儲(chǔ)不同列的數(shù)據(jù), 分別存入c, v

In [12]: c

Out[12]: array([ 1.,  4.,  7.])

In [13]: mean(c)  # 計(jì)算矩陣c的mean均值

Out[13]: 4.0

In [14]: np.max(c)  # 求數(shù)組中的最大值

Out[14]: 7.0

In [15]: np.min(c)  # 求數(shù)組中的最小值

Out[15]: 1.0

In [16]: np.ptp(c)  # 返回?cái)?shù)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(shù)組中的中位數(shù)(中間兩個(gè)數(shù)的平均值)

Out[18]: 4.0

In [19]: numpy.var(c)  # 計(jì)算數(shù)組的方差

Out[19]: 6.0

In [20]: numpy.diff(c)  # 返回相鄰數(shù)組元素的差值構(gòu)成的數(shù)組

Out[20]: array([ 3.,  3.])

In [21]: numpy.std(c)  # 計(jì)算數(shù)組的標(biāo)準(zhǔn)差

Out[21]: 2.4494897427831779

In [22]: numpy.where(c > 3)  # 返回滿足條件的數(shù)組元素的下標(biāo)組成的數(shù)組

Out[22]: (array([1, 2]),)