python怎么用numpy函数_Python中Numpy介绍及常用函数

Python中Numpy介绍及常用函数

Numpy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 是一个运行速度非常快的数学库，主要用于数组计算，包含线性代数、傅里叶变换、随机数生成等功能

NumPy 通常与 SciPy(Scientific Python)和 Matplotlib(绘图库)一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习

参考：

Python 算法库和数学工具包

SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口(API)。

python complex类型-复数类型

复数存放的是一对浮点数，一个表示实数部分，另一个表示虚数部分(跟随一个字母j)

z = 1 + 1j;

print(z.real,z.imag)

=》结果：1.0 1.0

real是实数，image是虚数。

短阵和数组

Numpy矩阵严格是二维的，而numpy阵列(Ndarray)是N维的.矩阵对象是ndarray的子类，因此它们继承了ndarray的所有属性和方法。

numpy矩阵的主要优点是它们为矩阵乘法提供了一种方便的表示法：如果a和b是矩阵，那么a*b就是它们的矩阵乘积。

矩阵乘法

矩阵的乘法仅当第一个矩阵A

的列数和另一个矩阵B

的行数相等时才能定义

A是m

×n

矩阵和B

是n

×p

矩阵，它们的乘积C

是一个m

×p

矩阵

a的第一行每个元素与B中第一列的每个元素相乘求各做为结果的第一行第一列元素

a的第一行每个元素与B中第二列的每个元素相乘求各做为结果的第一行第二列元素

NumPy 数组的维数称为秩(rank)，一维数组的秩为 1，二维数组的秩为 2

，每一个线性的数组称为是一个轴(axis)，也就是维度(dimensions)。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴(axis)第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

numpy常用函数

np.arange(24)

np.arange([start, ]stop, [step, ]dtype=None) //用于创建等差数组

a = np.arange(24)

print(a)

结果//[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]

np.sum([0.5, 1.5])

sum(a, axis=None, dtype=None, out=None, keepdims=np._NoValue)

a是要进行加法运算的向量/数组/矩阵

axis的值可以为None,也可以为整数 int32 和元组 (在默认/缺省的情况下，axis取None)

axis的取值有三种情况：1.None，2.整数， 3.整数元组

np.sum([0.5, 1.5]) //0.5+1.5=2

c=np.sum([0.5, 0.7, 0.2, 1.5], dtype=np.int32)

d=np.sum([0.5, 0.7, 0.2, 1.5])

print(c) //1==0+0+0+1 转化为整数

print(d) //0.5+0.7+0.2+1.5

c=np.sum([[1, 1], [100, 5]])

print(c)//107==1+1+100+5

c=np.sum([[1, 1], [100, 5]],axis=0) //[101 6] 则沿着纵轴进行操作

d=np.sum([[1, 1], [100, 5]],axis=1) //[ 2 105]沿着横轴进行操作

设axis=i ,则numpy沿着第i个下标变化的方向进行操作，

np.max

np.max：(a, axis=None, out=None, keepdims=False)

求最大值

c=np.max([-2, -1, 0, 1, 2,111])

print(c) //100