Python NumPy庫安裝使用筆記

 　　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,並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

　　 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)

　　 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後的解釋和輸出

　　代碼如下:

　　In [1]: a = arange(5) # 創建數據

　　In [2]: a.dtype

　　Out[2]: dtype('int64') # 創建數組的數據類型

　　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

　　 代碼如下:

　　In [16]: a[2: 4] # 切片操作類似與Python中list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

　　 代碼如下:

　　In [1]: a = arange(9).reshape(3, 3) # 生成數組對象並改變維度

　　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數(int64)

　　Out[14]: 8

　　In [15]: a.nbytes # 數組所占總字節數, 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) # 計算數組的標准差

　　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]),)