python科学计算之numpy学习

numpy介绍

• numpy是一个python中做科学计算的基础库，重在数值计算，也是其他科学计算库的基础库，多`用在于大型的，多维数组上执行数值运算

接下来介绍numpy的基础用法

#创建数组
a=np.array([0,1,2,3,4,5,6,7,8,9])
b=np.array(range(10))
c=np.arange(10)
print(a)


#查看数组类型
print(type(a))
print(b)
print(c)
print("**"*100)


#numpy中创建小数,并保留小数位
d=random.random()
print(d)
#保留三位小数
print(round(d,3))
#np.round也可以
print(np.round(d,3))
           

得到的结果如下

数组的计算

# 数组的形状a.shape,
a=np.array([1,2,3,4,2,3,1,1,5,6,7,9])#一维数组 shape只表示数组中的个数
b=np.array([[2,3,4,5,6,7,8],[3,4,5,6,7,8,9]])#二维数组 shape表示n行n列
print(a.shape)
print(b.shape)
print("*"*100)
#重塑形状
a=a.reshape(3,4)
print(a)
c=np.arange(24).reshape(2,3,4)
print(c)
#数组的计算
print("数组的计算")
c=np.arange(24).reshape(2,3,4)
print(c/2)
print(c+2)
print(c*2)
#数组与数组的计算
print("数组与数组的计算")
t1=np.arange(24).reshape(4,6)
print(t1)
t2=np.arange(4).reshape(4,1)
print(t2)
print(t1-t2)

           

• 要说明一下，对于二维的数组和数组的计算，如（4,6）和（4,1）他们也是可以进行加减法运算的，主要是在某一维度是相同的个数比如都是4行。在三维数组中，如（2,3,4）与二维数组（2,3），（3,4）都可以进行计算的，以此可以推广到其他维度

以下是上述代码的计算结果

numpy读取文件

import numpy as np
np.loadtxt(fname,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False)
           

• 在找到csv文件的路径，用numpy读取

import numpy as np
file_path="/home/python/Desktop/testdata/data1.csv"
t1=np.loadtxt(file_path,delimiter=",",dtype=int)
print(t1)
           

• 得到的结果

  

numpy索引和切片

方法都写在了注释中

import numpy as np

file_path="/home/python/Desktop/testdata/data1.csv"
t1=np.loadtxt(file_path,delimiter=",",dtype=int)
print(t1)
print("*"*100)

#取行
print(t1[2])
#取连续多行
print(t1[2:5])
print(t1[2:])
#取不连续多行
print(t1[[2,3,5,7]])
print("*"*100)

#取列
print(t1[:,1])
#取连续多列
print(t1[:,1:])
#取不连续多列
print(t1[:,[2,3]])
print("*"*100)

#取第n行第m列的数
a=t1[1,3]
print(a)

#取多行多列(4到6行，2到4列)取的是交叉点位置
b=t1[1:5,1:3]
print(b)

#取多个不相邻的点取的是（2,1）（3,3）这两个点
c=t1[[2,3],[1,3]]
print(c)
           

numpy中数值的修改

import numpy as np


t=np.arange(24).reshape(4,6)

#把第3,4列都赋值为0
t[:,2:4]=0

print(t)#把t中小于10都赋值为3
t[t<10]=3

#把t中小于10都赋值为0 ,大于10的赋值维10
t=np.where(t<10,0,10)

#把t中小于10都赋值为0 ,大于20的赋值维20
t.clip(10,20)
           

这些就是numpy的基础用法