[转]NumPy学习笔记 收集者:Keengle(http://www.) http://www./paul/?p=530 最近在学习scipy。在理解scipy之前,numpy作为scipy基本的模块之一,是不得不去理解掌握的。先总结一下numpy部分的内容吧。接下来学习scipy,最后是pylab和Matplotlib。 介绍 Numpy是一个Python的扩展模块,通过使用NumPy,我们可以进行科学计算。NumPy提供了矩阵、线性代数、傅里叶变换等的解决方法。 NumPy包含: · N维矩阵对象 · 线性代数运算功能 · 傅里叶变换 · Fortran代码集成的工具 · C++代码集成的工具 NumPy提供了两种基本的对象:ndarray(N-dimensional array object)和 ufunc(universal function object)。前者为一个n维的矩阵在Python中的存储对象,它是一类同类型的对象(如int、bool、unicode、str等等)的集合。 下载 为了使用NumPy,首先要有Python。然后下载NumPy的包,即可。 · Python 2.5: http://www./download/releases/2.5.2/ · NumPy: http://numpy./ 使用 安装好后,首先引入模块: >>> from numpy import * 创建一个矩阵 >>> a=array([[1,2,3],[4,5,6]]) >>> b=arange(15);print b 可以看到,A是2行3列的矩阵。通过arange方法,可以得到一个1维的数组。然后我们可以通过reshape方法改变它的维度。 >>> c=zeros((4,5));print c >>> d=ones((5,7));print d >>> e=add(c,arange(20).reshape(4,5)) 使用zeros可以生成一个零矩阵。同理,用ones可以生成值全部为1的矩阵。我选择了一个4*5的矩阵e,和一个5*7的矩阵d做点乘。最后得到f矩阵。再举一个更加明显的例子: >>> a=arange(5);print a 点积的效果更加明显了。
ndarray的几个常用属性: · shape: 代表一个array的形态,是一个向量还是一个矩阵,抑或是一个更复杂的向量组。 · ndim: 代表这个array的维度 · size: 在array中拥有的元素数量 · itemsize: 这个array中每一个元素所需要占的字节数 · nbytes: 这个array的总字节数(=itemsize*size) · real: 代表一个array中所有元素的实数部分 · imag: 同理,代表一个array中所有元素的虚数部分 · flat: 将这个array整理成一维的,可以索引的一系列的元素组合。它实际上是通过iterator实现的,我们可以通过for x in array.flat来取得到所有的元素 · T: 矩阵转置,同transpose()方法 一些比较有用的方法: · tolist(): 将array转化成一个Python中的list对象 · item(*args): 取得某一位置的元素 · dump(file): 将这个对象序列化至文件。同cPickle中的dump作用 · dumps(): 将序列化的结果通过字符串加以输出 一些关于Array的形态操作: · reshape(): 改变array的形态 · resize(): 也是改变array的形态。不同的是,resize是直接修改这个对象的,而reshape则会生成一个新的对象 · transpose(): 这个就是矩阵的转置操作啦 · swapaxes(): 将n个维度中任意两个维度(坐标轴)进行调换 · flatten(): 复制一个一维的array出来 还有一些关于Array的运算操作: · max():取得所有元素中的最大值 · min():取得最小值。还有一点值得说,就是max、min这些函数都可以针对某一坐标轴(具体维度)进行运算,例如array.max(axis=0),就在0坐标上求最大值 · sum():求和 · cumsum():求累计和 · prod():求所有元素之积 · cumprod():求累计积 · all():如果所有元素都为真,那么返回真;否则返回假 · any():只要有一个元素为真则返回真 · mean():求平均数 总结了一部分,更多的方法还需要我们使用中体验。 |
|