numpy的安装方法,python2.7安装numpy
python虽然也提供数组模块，但是只支持一维数组，不支持多维数组，也不具备各种运算功能，不适合数值运算。NumPy的出现弥补了这些不足。本文主要介绍了Python中NumPy的安装和基本操作的相关信息，有需要的可以参考一下。
00-1010 NumPy的装置是什么？多维数组创建多维数组。多维数组的常见属性。多维数组的基本操作。数组的算术运算。数组的自运算。随机数组索引、切片、迭代汇总
目录
很简单，Numpy是Python的科学计算库，提供了矩阵运算的功能。它通常与Scipy和matplotlib一起使用。实际上，list已经提供了类似于矩阵的表示，但是numpy为我们提供了更多的函数。如果你接触过matlab和scilab，那么numpy很容易上手。
NumPy是一个用于科学计算和数据分析的高性能基础包。
Numpy是什么
NumPy的安装相对简单。我们可以通过Anaconda中的命令或“pip install NumPy”语句来安装它。如果需要验证NumPy是否安装成功，可以在安装NumPy后输入“import NumPy”运行，看看是否输出错误提示。
NumPy的安装
多维数组
将numpy作为np导入
#用数组创建
A=np.array([1，2，3]) #创建一个一维数组
打印(一份)
B=np.array([[1，2，3]，[4，5，6]]) #创建一个高维数组
打印(b)
#在NumPy中使用1创建一个维数为1且所有元素都为1的数组。
C=np.ones([2，3]) #全1的数组
打印(c)
C[1，2]=3 #覆盖数组中的元素。
打印(c)
#创建一个维度和所有元素都为0的数组。
d=np.zeros([2，3])
打印(d)
#创建一个指定维数的数组，其元素都是随机数
e=np.empty([2，3])
打印(e)
创建多维数组
Ndim:返回计算的数组维数，即维数。
#创建一个指定维数的数组，其元素都是随机数
e=np.empty([2，3])
打印(e)
打印(电子文件)
结果：
[[0.0.0.]
[0.0.0.]]
注射毒品
Shape:返回数组的维度值，使用整数数据类型的元组表示返回结果。例如，如果二维数组返回的结果是(n，m)，那么n和m表示数组中相应维度的数据的长度。如果使用shape输出矩阵的维数，那么在output (n，m)中，n表示矩阵的行，m表示矩阵的列。
#创建一个指定维数的数组，其元素都是随机数
e=np.empty([2，3])
打印(e)
打印(例如形状)
结果：
[[0.0.0.]
[0.0.0.]]
(2, 3)
Size:返回数组中要计数的元素总数。
#创建一个指定维数的数组，其元素都是随机数
e=np.empty([2，3])
打印(e)
打印(e.size)
结果：
[[0.0.0.]
[0.0.0.]]
六
Dtype:返回数组中元素的数据类型。但是，显示的数据类型与我们之前定义的变量的数据类型名称不同，因为这些数据类型都是使用NumPy定义的，NumPy中表示的数据类型使
用的是numpy.int32、numpy.int16和numpy.float64这类格式的名字
#创建维度指定且元素全为随机数的数组
结果：
[[0. 0. 0.]
[0. 0. 0.]]
float64
多维数组的基本操作
数组的算术运算
数组能够直接进行加法、减法、乘法和除法算术运算
import numpy as np
结果：
a-b- [-3 -3 -3]
a+b = [5 7 9]
a/b = [0.25 0.4 0.5 ]
a*b = [ 4 10 18]
Process finished with exit code 0
从上面的实例可以看出，虽然数组在构造上类似于矩阵，但是其运算和之前介绍的矩阵运算存在诸多不同:首先，矩阵是不存在除法运算的，但是数组能够进行除法运算:其次，数组的乘法运算机制是通过将位置对应的元素相乘来完成的，和矩阵的乘法运算机制不同。下面来看看如何通过数组实现矩阵乘法运算。
a=np.array([1,2,3])
结果：
a-b= [-3 -3 -3]
a+b = [5 7 9]
a/b = [0.25 0.4 0.5 ]
a*b = [ 4 10 18]
Matrix1: a*b = 32
Matrix2: a*b 32
Process finished with exit code 0
在以上代码中使用了两种方法来实现矩阵的乘法运算，其计算结果是一样的。数组和矩阵的算术运算还有一个较大的不同点，就是数组可以直接和标量进行算术运算，但是在矩阵运算中是不可以的。
a = np.array([1,2,3])
结果：
a * 2 = [2 4 6]
a 1 2 = [0.5 1. 1.5]
a - 2 = [-1 0 1]
a + 2 = [3 4 5]
数组的自身运算
(1)min:默认找出数组的所有元素中值最小的元素，可以通过设置axis的值来按行或者列查找元素中的最小值。
(2) max:默认找出数组的所有元素中值最大的元素，可以通过设置axis的值来按行或者列查找元素中的最大值。
(3) sum:默认对数组中的所有元素进行求和运算，并返回运算结果，同样可以通过设置axis的值来按行或者列对元素进行求和运算。
(4) exp:对数组中的所有元素进行指数运算。
(5) sqrt: 对数组中的所有元素进行平方根运算。
(6) square:对数组中的所有元素进行平方运算。
随机数组
生成随机数在我们平时的应用中是很有用的，在NumPy中有许多方法可以生成不同属性的随机数，以满足在计算中使用随机数字的需求。
(1) seed: 随机因子，在随机数生成器的随机因子被确定后，无论我们运行多少次随机程序，最后生成的数字都是一样的，随机因子更像把随机的过程变成一种 伪随机的机制，不过这有利于结果的复现。
(2) rand: 生成一个在[0,1)范围内满足均匀分布的随机样本数。
(3) randn:生成一个满足平均值为0且方差为1的正太分布随机样本数。
(4)randint:在给定的范围内生成类型为整数的随机样本数。
(5) binomial: 生成-个维度指定且满足二项分布的随机样本数。
(6) beta:生成一个指定维度且满足beta分布的随机样本数。
(7) normal: 生成一个指定维度且满足高斯正太分布的随机样本数。
索引、切片、迭代
在数组中也有索引、切片和迭代，其操作过程和列表类似，不过多维数组相较于一维数组，在索引、切片和迭代等操作上会更复杂。
a = np.arange(10)
结果：
[0 1 2 3 4 5 6 7 8 9]
[0 1 2 3 4]
0
1
2
3
4
5
6
7
8
9
Process finished with exit code 0
总结
到此这篇关于python中NumPy安装与基本操作的文章就介绍到这了,更多相关python中NumPy基本操作内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。