科学计算基础包——numpy

一、NumPy简介

　　NumPy是高性能科学计算和数据分析的基础包。它是pandas等其他各种工具的基础。

1、NumPy的主要功能

　　ndarray：一个多维数组结构，高效且节省空间

　　无需循环对整组数据进行快速运算的数学函数

　　线性代数、随机数生成和傅里叶变换功能

2、安装和引用方法

　　安装方法：pip3 install numpy

　　引用方法：import numpy as np

3、为什么要用NumPy?

（1）例1：已知若干家跨国公司的市值（美元），将其换算为人民币。

　　如果不使用NumPy，用如下方法实现：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

In [1]: import numpy as np                                                                                                                           In [2]: import random                                                                                                                                In [3]: a = [random.uniform(100.0, 200.0) for i in range(50)]   # 列表生成式，生成50个数字                                                           In [4]: a  Out[4]: [116.59149533887626,  122.75890815289081,   ......  188.16179683031413,  162.74198326836913]   In [5]: x = 6.8  # 假设前面列表中的数字都是美元，人民币兑换美元的汇率是6.8    In [8]: b = []   # 兑换为人民币列表    In [9]: for ele in a:    ...:     b.append(ele * x)                                                                                                                        In [10]: b   Out[10]: [792.8221683043586,  834.7605754396575,  ...  1279.5002184461362,  1106.64548622491]

　　如果使用NumPy实现如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

In [11]: a = np.array(a)                                                                                                                             In [12]: a                                                                                                                                         Out[12]: array([116.59149534, 122.75890815,         .....        188.16179683, 162.74198327])   In [13]: x                                                                                                                                         Out[13]: 6.8   In [14]: a*x  array([ 792.8221683 ,  834.76057544,         ....        1279.50021845, 1106.64548622])

（2）例2：已知购物车中每件商品的价格与商品件数，求总金额。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

In [18]: a = [random.uniform(10.0, 20.0) for i in range(50)]   # 列表生成式，生成50个商品的价格10-20元之间                                           In [19]: b = [random.randint(1, 10) for i in range(50)]   # 列表生成式，生成50种商品的件数                                                           In [20]: a = np.array(a)                                                                                                                             In [21]: b = np.array(b)                                                                                                                             In [22]: a*b    # a列表与b列表每一项相乘  Out[22]: array([ 88.1730442 , 169.76441154,  33.07910011,  56.09150886,         ......         34.74561339,  24.47704958])   In [23]: (a*b).sum()     # 每一项总和，即所有商品的金额总和                                                                                                                          Out[23]: 4583.086649099101

二、ndarray——多维数组对象

　　创建ndarray：np.array(array_like)

1、注意数组与列表的区别

• 数组对象内的元素类型必须相同
• 数组大小不可修改（这与内存结构有关）

2、ndarray——常用属性

（1）T：数组的转置（对高维数组而言）

（2）size：数组元素的个数

（3）ndim：数组的维数

（4）shape：数组的维度大小（元组形式）

（5）dtype：数组元素的数据类型

3、ndarray——数据类型

（1）布尔型：bool_

（2）整型：int_  int8  int16  int32  int64

（3）无符号整型：uint8  uint16 uint32  uint64

（4）浮点型：float_  float16  float32  float64

（5）复数型：complex_  complex64  complex128