Python中numpy库怎么用-创新互联
这篇文章将为大家详细讲解有关Python中numpy库怎么用,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
创新互联公司坚持“要么做到,要么别承诺”的工作理念,服务领域包括:做网站、成都网站制作、企业官网、英文网站、手机端网站、网站推广等服务,满足客户于互联网时代的临海网站设计、移动媒体设计的需求,帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴!NumPy是python下的计算库,被非常广泛地应用,尤其是近来的深度学习的推广。在这篇文章中,将会介绍使用numpy进行一些最为基础的计算。
NumPy vs SciPy
NumPy和SciPy都可以进行运算,主要区别如下
最近比较热门的深度学习,比如在神经网络的算法,多维数组的使用是一个极为重要的场景。如果你熟悉tensorflow中的tensor的概念,你会非常清晰numpy的作用。所以熟悉Numpy可以说是使用python进行深度学习入门的一个基础知识。
安装
liumiaocn:tmp liumiao$ pip install numpy Collecting numpy Downloading https://files.pythonhosted.org/packages/b6/5e/4b2c794fb57a42e285d6e0fae0e9163773c5a6a6a7e1794967fc5d2168f2/numpy-1.14.5-cp27-cp27m-macosx_10_6_intel.macosx_10_9_intel.macosx_10_9_x86_64.macosx_10_10_intel.macosx_10_10_x86_64.whl (4.7MB) 100% |████████████████████████████████| 4.7MB 284kB/s Installing collected packages: numpy Successfully installed numpy-1.14.5 liumiaocn:tmp liumiao$
确认
liumiaocn:tmp liumiao$ pip show numpy Name: numpy Version: 1.14.5 Summary: NumPy: array processing for numbers, strings, records, and objects. Home-page: http://www.numpy.org Author: Travis E. Oliphant et al. Author-email: None License: BSD Location: /usr/local/lib/python2.7/site-packages Requires: Required-by: liumiaocn:tmp liumiao$
使用
使用numpy的数组
使用如下例子简单来理解一下numpy的数组的使用:
liumiaocn:tmp liumiao$ cat np-1.py #!/usr/local/bin/python import numpy as np arr = [1,2,3,4] print("array arr: ", arr) np_arr = np.array(arr) print("numpy array: ", np_arr) print("doulbe calc : ", 2 * np_arr) print("ndim: ", np_arr.ndim) liumiaocn:tmp liumiao$ python np-1.py ('array arr: ', [1, 2, 3, 4]) ('numpy array: ', array([1, 2, 3, 4])) ('doulbe calc : ', array([2, 4, 6, 8])) ('ndim: ', 1) liumiaocn:tmp liumiao$
多维数组&ndim/shape
ndim在numpy中指的是数组的维度,如果是2维值则为2,在下面的例子中构造一个步进为2的等差数列,然后将其进行维度的转换同时输出数组的ndim和shape的值以辅助对于ndim和shape含义的理解。
liumiaocn:tmp liumiao$ cat np-2.py #!/usr/local/bin/python import numpy as np arithmetic = np.arange(0,16,2) print(arithmetic) print("ndim: ",arithmetic.ndim," shape:", arithmetic.shape) #resize to 2*4 2-dim array arithmetic.resize(2,4) print(arithmetic) print("ndim: ",arithmetic.ndim," shape:", arithmetic.shape) #resize to 2*2*2 3-dim array array = arithmetic.resize(2,2,2) print(arithmetic) print("ndim: ",arithmetic.ndim," shape:", arithmetic.shape) liumiaocn:tmp liumiao$ python np-2.py [ 0 2 4 6 8 10 12 14] ('ndim: ', 1, ' shape:', (8,)) [[ 0 2 4 6] [ 8 10 12 14]] ('ndim: ', 2, ' shape:', (2, 4)) [[[ 0 2] [ 4 6]] [[ 8 10] [12 14]]] ('ndim: ', 3, ' shape:', (2, 2, 2)) liumiaocn:tmp liumiao$
另外也可以使用reshape进行维度的调整。
等差数列&等比数列
numpy和matlab写起来有很多函数基本一样,比如等比数列和等差数列可以使用linspace和logspace进行。
logspace缺省的时候指的是以10给底,但是可以通过指定base进行设定
liumiaocn:tmp liumiao$ cat np-3.py #!/usr/local/bin/python import numpy as np print("np.linspace(1,4,4):", np.linspace(1,4,4)) print("np.logspace(1,4,4):", np.logspace(1,4,4)) print("np.logspace(1,4,4,base=2):",np.logspace(1,4,4,base=2)) liumiaocn:tmp liumiao$ python np-3.py ('np.linspace(1,4,4):', array([1., 2., 3., 4.])) ('np.logspace(1,4,4):', array([ 10., 100., 1000., 10000.])) ('np.logspace(1,4,4,base=2):', array([ 2., 4., 8., 16.])) liumiaocn:tmp liumiao$
数组初始化
numpy提供了很方便的初始化的函数,比如
liumiaocn:tmp liumiao$ cat np-4.py #!/usr/local/bin/python import numpy as np print("np.zeros(6):",np.zeros(6)) print("np.zeros((2,3)):",np.zeros((2,3))) print("np.ones(6):",np.ones(6)) print("np.ones((2,3)):",np.ones((2,3))) print("np.random.random(6):",np.random.random(6)) print("np.random.random(6):",np.random.random(6)) print("np.random.random((2,3)):",np.random.random((2,3))) print("np.random.seed(1234)") np.random.seed(1234) print("np.random.random(6):",np.random.random(6)) print("np.random.seed(1234)") np.random.seed(1234) print("np.random.random(6):",np.random.random(6)) liumiaocn:tmp liumiao$ python np-4.py ('np.zeros(6):', array([0., 0., 0., 0., 0., 0.])) ('np.zeros((2,3)):', array([[0., 0., 0.], [0., 0., 0.]])) ('np.ones(6):', array([1., 1., 1., 1., 1., 1.])) ('np.ones((2,3)):', array([[1., 1., 1.], [1., 1., 1.]])) ('np.random.random(6):', array([0.06909968, 0.27468844, 0.59127996, 0.56973602, 0.45985047, 0.95384945])) ('np.random.random(6):', array([0.62996648, 0.2824114 , 0.2698051 , 0.09262053, 0.50862503, 0.96600255])) ('np.random.random((2,3)):', array([[0.66880129, 0.8834006 , 0.49458989], [0.28335563, 0.65711274, 0.76726504]])) np.random.seed(1234) ('np.random.random(6):', array([0.19151945, 0.62210877, 0.43772774, 0.78535858, 0.77997581, 0.27259261])) np.random.seed(1234) ('np.random.random(6):', array([0.19151945, 0.62210877, 0.43772774, 0.78535858, 0.77997581, 0.27259261])) liumiaocn:tmp liumiao$
关于“Python中numpy库怎么用”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,使各位可以学到更多知识,如果觉得文章不错,请把它分享出去让更多的人看到。
网页题目:Python中numpy库怎么用-创新互联
网页地址:http://scyanting.com/article/cspssj.html