标题中的英文首字母大写比较规范,但在python实际使用中均为小写。
2018年7月23日笔记
0. 学习内容:
Python科学计算库:Numpy需要掌握的知识:
1.Numpy简介;2.Numpy程序包;3.简单的Numpy程序;4.为什么使用Numpy;
5.Numpy是什么;6.Numpy数据溢出;
1. Numpy简介
Numpy是python语言中的科学计算库。
下文主要介绍数据科学工具包Numpy的基本用法,内容包括:
1.Numpy的ndarray多维数组创建
2.Numpy的ndarray多维数组索引切片访问
3.Numpy的ndarray多维数组的组合分割
2. Numpy程序包
集成开发环境为Jupyter notebook
语言及其版本为python3.6
安装numpy在cmd中运行命令:pip install numpy,如果电脑安装了最新版的anaconda,则自带jupyter notebook和numpy库。
集成开发环境如下图所示:
3.简单的Numpy程序
两个一维矩阵做加法
matrix1 = [0,1,4]
matrix2 = [0,1,8]
matrix3 = [0,2,12]
#使用python原有的列表和推导式
matrix1 = [0,1,4]
matrix2 = [0,1,8]
matrix3 = [a+b for a,b in zip(matrix1,matrix2)]
print(matrix3,type(matrix3))
#使用numpy库计算
import numpy
matrix1 = numpy.arange(3) ** 2
matrix2 = numpy.arange(3) ** 3
matrix3 = matrix1 + matrix2
print(matrix3,type(matrix3))
代码及其运行结果如下图所示:
4.为什么使用Numpy
原因有以下3点:
1.对于同样的数值计算任务,由于Numpy能够直接对数组和矩阵进行操作,可以省略很多循环语句使用Numpy要比直接编写Python代码便捷得多;
2.Numpy中数组的存储效率和输入输出性能均远远优于Python中等价的数据结构;
3.Numpy的大部分代码都是用C语言写的,这使得Numpy比纯Python代码高效得多。
5.Numpy是什么
Numpy的全名为Numeric Python,是一个开源的科学计算库,它包括:
1.一个强大的N维数组对象ndarray;2.比较成熟的函数库;
3.用于整合C/C++和Fortran代码的工具包;4.实用的线性代数、傅里叶变换和随机生成函数。
Numpy支持高维度数组计算和矩阵计算,此外也针对了数组提供了大量的科学函数库。
6.Numpy数据溢出
import numpy as np
matrix = np.arange(1292) ** 3
print(matrix.dtype)
print(matrix[-3:])
print(2 ** 32 - 1291 ** 3)
代码及其运行结果如下图:
从上面一段代码可以看出:1.np.arange方法产生的一个ndarray对象,对象中的元素默认为int32类型。
- 2^31 - 1的值为2147483647,如果int32类型超过这个值则算越界,越界后所得值为负数。
- 越界所得负数的绝对值 + 原本值 = 2 ** 32。
练习
利用Numpy实现两个向量相乘的结果
有两种解答方法:1.利用np.dot方法,需要2个参数,1个参数数据类型为ndarray,长度要相同。
2.利用ndarray对象的dot方法,需要1个参数,参数数据类型为ndarray,长度要相同。
下面代码中有两种解答方法的示例。
import numpy as np
matrix1 = np.arange(10)
print(matrix1)
matrix2 = np.arange(10,20)
print(matrix2)
print(np.dot(matrix1,matrix2))
print(matrix1.dot(matrix2))