python科學計算包numpy用法（一）

numpy是python中乙個用來做科學計算的包，用起來十分方便，下面是我總結的numpy的用法：

1.如何建立矩陣

建立矩陣有很多種方法，主要包括以下幾種：

通過array函式建立

1 >>> import

numpy as np
2 >>> a=np.array([2,3,4]) 　　　　　　　　　　#生成一維矩陣
4 array([2, 3, 4])
5 >>> b=np.array([[1,2,3],[2,3,4]])　　　　　#生成二維矩陣 
6 >>>b 
7 array([[1, 2, 3],
8 [2, 3, 4]])
9 >>> c=np.array([(1,2,3),(2,3,4)]) 　　　　#生成二維矩陣 
10 >>>c 
11 array([[1, 2, 3],
12 [2, 3, 4]])
13 >>> b==c 　　　　　　　　　　　　　#b矩陣和c矩陣的比較
14array([[ true, true, true],
15[ true, true, true]])
16 >>> d=np.array([1,2,3],dtype=complex) #生成二維矩陣，指定資料型別為複數 
17 >>>d 
18 array([1.+0.j, 2.+0.j, 3.+0.j])

numpy還可以根據矩陣的大小來建立，分別使用zeros、ones、emptys、eye、arange、linspace、random等函式，可通過dtype指定元素型別，預設型別是float64。

>>> np.zeros((3,4))            　　　　　　　　　　　　　#3行4列的零矩陣

array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])
>>> np.zeros(2) 　　　　　　　　　　　　　　　　　　　 #一維零矩陣
array([0., 0.])
>>> np.ones((2,3),dtype=np.int16) #資料元素全為1的二維矩陣
array([[1, 1, 1],
[1, 1, 1]], dtype=int16)
>>> np.empty((2,3)) #隨機矩陣，資料元素根據記憶體而定
array([[7.55396208e-300, 7.55396213e-300, 7.55396213e-300],
[7.55396213e-300, 0.00000000e+000, 0.00000000e+000]])
>>> np.eye(3) 　　　　　　　　　　　　　　　　　　#單位矩陣
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
>>> np.arange(10,30,5) 　　　　　　　　　　　　 #生成從10到30（不包括30）的等差數列，相鄰元素相差為5
array([10, 15, 20, 25])
>>> np.linspace(10,30,5) #生成從10到30的等差數列，元素個數為5 
array([10., 15., 20., 25., 30.])
>>> np.random.random((2,3)) 
#生成二維隨機矩陣
array([[0.74394874, 0.85545826, 0.44662612],
[0.76655115, 0.98968437, 0.7954072 ]])

>>> b=np.array(a)　　　　　　　　　　　　　#生成和一維陣列a相對應的矩陣

>>> b

array([1, 2, 3])

>>> a=((1,3,2),(1,2))

>>> a

((1, 3, 2), (1, 2))

>>> b=np.array(a)　　　　　　　　　　　　　#生成和二維陣列a相對應的矩陣

>>> b

array([(1, 3, 2), (1, 2)], dtype=object)

2.乙個矩陣的屬性

>>> import

numpy as np 
>>> a=((1,2,3),(1,2,3)) 
>>> b=np.array(a) 
>>>b 
array([[1, 2, 3],
[1, 2, 3]])
>>>b.ndim　　　　　　　　#矩陣b的維度數
2>>>b.shape #矩陣b的大小
(2, 3)
>>>b.size #矩陣b的總元素數
6>>>b.dtype #矩陣b中的元素型別
dtype(
'int32')
>>>b.itemsize #矩陣b的元素大小
4>>>b.data #矩陣b的實際元素的緩衝區
>>> c=np.array(a,dtype=float) 
>>>c 
array([[1., 2., 3.],
[1., 2., 3.]])
>>>c.dtype #矩陣c的元素型別
dtype(
'float64')
>>>c.itemsize #矩陣c的元素大小
8>>>c.data 　 #矩陣c的實際元素的緩衝區

參考文獻：

本人水平有限，可能會出現一些錯誤，歡迎指正

python科學計算 numpy

畢設的程式設計中使用了python來處理資料，主要使用的是numpy包，網上大部分對numpy進行介紹的教程比較老舊，想要使用的功能不太容易找到。因此，寫這篇文章來對現有的一些資源就行整理，當然想要更全面的了解numpy的使用還是從訪問官方手冊開始。win下 pip isntall numpy當然最...

用Python做科學計算

python是一種物件導向的 動態的程式語言，具有非常簡潔而清晰的語法，既可以用於快速開發程式指令碼，也可以用於開發大規模的軟體，特別適合於完成各種高層任務。隨著numpy,scipy,matplotlib,enthought librarys等眾多程式庫的開發，python越來越適合於做科學計算。...

Python 科學計算基礎 （整理）

python是一種物件導向的 動態的程式語言，具有非常簡潔而清晰的語法，既可以用於快速開發程式指令碼，也可以用於開發大規模的軟體，特別適合於完成各種高層任務。隨著numpy scipy matplotlib ets等眾多程式庫的開發，python越來越適合於做科學計算。與科學計算領域最流行的商業軟體...