python科学计算包numpy用法（一）

时间：2023-03-09 05:19:40
python科学计算包numpy用法（一）

numpy是python中一个用来做科学计算的包，用起来十分方便，下面是我总结的numpy的用法：

1.如何创建矩阵

创建矩阵有很多种方法，主要包括以下几种：

通过array函数创建

 >>> import numpy as np

 >>> A=np.array([2,3,4]) 　　　　　　　　　　#生成一维矩阵
 array([2, 3, 4])

 >>> B=np.array([[1,2,3],[2,3,4]])　　　　　#生成二维矩阵

 >>> B

 array([[1, 2, 3],

        [2, 3, 4]])

 >>> C=np.array([(1,2,3),(2,3,4)])  　　　　#生成二维矩阵

 >>> C

 array([[1, 2, 3],

        [2, 3, 4]])

 >>> B==C           　　　　　　　　　　　　　#B矩阵和C矩阵的比较

 array([[ True,  True,  True],

        [ True,  True,  True]])

 >>> D=np.array([1,2,3],dtype=complex)    #生成二维矩阵，指定数据类型为复数

 >>> D

 array([1.+0.j, 2.+0.j, 3.+0.j])

numpy还可以根据矩阵的大小来创建，分别使用zeros、ones、emptys、eye、arange、linspace、random等函数，可通过dtype指定元素类型，默认类型是float64。

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

array([[0., 0., 0., 0.],

       [0., 0., 0., 0.],

       [0., 0., 0., 0.]])

>>> np.zeros(2)     　　　　　　　　　　　　　　　　　　　 #一维零矩阵

array([0., 0.])

>>> np.ones((2,3),dtype=np.int16)                    #数据元素全为1的二维矩阵

array([[1, 1, 1],

       [1, 1, 1]], dtype=int16)

>>> np.empty((2,3))                                   #随机矩阵，数据元素根据内存而定

array([[7.55396208e-300, 7.55396213e-300, 7.55396213e-300],

       [7.55396213e-300, 0.00000000e+000, 0.00000000e+000]])

>>> np.eye(3)           　　　　　　　　　　　　　　　　　　#单位矩阵

array([[1., 0., 0.],

       [0., 1., 0.],

       [0., 0., 1.]])

>>> np.arange(10,30,5)           　　　　　　　　　　　　 #生成从10到30（不包括30）的等差数列，相邻元素相差为5

array([10, 15, 20, 25])

>>> np.linspace(10,30,5)                               #生成从10到30的等差数列，元素个数为5

array([10., 15., 20., 25., 30.])

>>> np.random.random((2,3))        　　　　　　　　　　　　#生成二维随机矩阵

array([[0.74394874, 0.85545826, 0.44662612],

       [0.76655115, 0.98968437, 0.7954072 ]])

>>> A=(1,2,3)
>>> B=np.array(A)　　　　　　　　　　　　　#生成和一维数组A相对应的矩阵
>>> B
array([1, 2, 3])
>>> A=((1,3,2),(1,2))
>>> A
((1, 3, 2), (1, 2))
>>> B=np.array(A)　　　　　　　　　　　　　#生成和二维数组A相对应的矩阵
>>> B
array([(1, 3, 2), (1, 2)], dtype=object)

2.一个矩阵的属性

>>> 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　　　　　　　　#矩阵B的维度数

2

>>> B.shape             #矩阵B的大小

(2, 3)

>>> B.size              #矩阵B的总元素数

6

>>> B.dtype             #矩阵B中的元素类型

dtype('int32')

>>> B.itemsize          #矩阵B的元素大小

4

>>> B.data              #矩阵B的实际元素的缓冲区

<memory at 0x000000000C09C2D0>

>>> C=np.array(A,dtype=float)

>>> C

array([[1., 2., 3.],

       [1., 2., 3.]])

>>> C.dtype             #矩阵C的元素类型

dtype('float64')

>>> C.itemsize          #矩阵C的元素大小

8

>>> C.data           　 #矩阵C的实际元素的缓冲区

<memory at 0x000000000C09C2D0>

参考文献：https://docs.scipy.org/doc/numpy/user/quickstart.html

 

本人水平有限，可能会出现一些错误，欢迎指正

相关文章