安装python(x,y),通过google下载python (x,y)
是exe 安装文件,只能安装到windows上
numpy之ndarray对象
>>> import numpy as np
>>> array([1,2,3,4])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 'array' is not defined
>>> b=np.array((1,2,3,4,))
>>> d
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 'd' is not defined
>>> b
array([1, 2, 3, 4])
>>> c=np.array([1,2,3],[2,3,4])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: data type not understood
>>> c = np.array([[1,2,3],[2,3,4]])
>>> c
array([[1, 2, 3],
[2, 3, 4]])
查看数组类型
>>> c.dtype
dtype('int32')
>>> c.shape
(2, 3)
>>> c.shape = 2 ,-1
>>> c
array([[1, 2, 3],
[2, 3, 4]])
>>> c.shape = -1,2
>>> c
array([[1, 2],
[3, 2],
[3, 4]])
>>> n = c.reshape((2,3))
>>> n
array([[1, 2, 3],
[2, 3, 4]])
>>> n[0][0]= 10
>>> n
array([[10, 2, 3],
[ 2, 3, 4]])
>>> c
array([[10, 2],
[ 3, 2],
[ 3, 4]])
array([1, 2, 3])
生成等差数列
>>> np.logspace(1,10,3)
array([ 1.00000000e+01, 3.16227766e+05, 1.00000000e+10])
>>> s = "hello"
>>> np.fromstring(s,dtype=np.int8)
array([104, 101, 108, 108, 111], dtype=int8)
结构数组
AttributeError: 'module' object has no attribute 'S32'
>>> person = np.dtype([('names', [('name', np.S25)])])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'module' object has no attribute 'S25'
>>> np.dtype({'surname':('S25',0),'age':(np.uint8,25)})
dtype([('surname', 'S25'), ('age', 'u1')])
>>> np.dtype({'surname':('S25',0),'age':(np.uint8,25)})
dtype([('surname', 'S25'), ('age', 'u1')])
>>> np.dtype({'names':['gender','age'], 'formats':['S1',np.uint8]})
dtype([('gender', 'S1'), ('age', 'u1')])
numpy 之ufunc 运算
ufunc计算速度非常快,都是调用c语言实现的
先生成一个数组
>>> x = np.arange(1,10,1)
>>> x
array([1, 2, 3, 4, 5, 6, 7, 8, 9])
计算数组的sin值
>>> y = np.sin(x)
>>> y
array([ 0.84147098, 0.90929743, 0.14112001, -0.7568025 , -0.95892427,
-0.2794155 , 0.6569866 , 0.98935825, 0.41211849])
用普通python包计算sin(x)需要时间
>>> from time import time
>>> x = [i*0.001 for i in xrange(10000)]
>>> start = time()
>>> import math
>>> for i ,t in enumerate(x):
... x[i]=math.sin(t)
...
>>> print time() -start
60.1679999828
用np来计算sin的值
>>> x = [i*0.001 for i in xrange(10000)]
>>> x = np.array(x)
>>> start = time()
>>> np.sin(x,x)
array([ 0. , 0.001 , 0.002 , ..., -0.49290313,
-0.49352947, -0.49415484])
>>> print time()-start
7.43000006676
两个数组可以加减乘除次方运算
>>> x = np.array([1,2,3])
>>> y = np.array([3,2,4])
>>> x+y
array([4, 4, 7])
>>> x-y
array([-2, 0, -1])
>>> x*y
array([ 3, 4, 12])
>>> y/x
array([3, 1, 1])
>>> x**y
array([ 1, 4, 81])
通过计算绘制一个波形图
>>> import numpy as np
>>> def func(x,c,c0,hc):
... x = x - int(x)
... if x >= c: r = 0.0
... elif x < c0: r = x/c0*hc
... else:
... r = ((c-x)/(c-c0))*hc
... return r
...
>>> print func(1,0.6,0.4,1.0)
0.0
>>> print func(0.2,0.6,0.4,1.0)
0.5
>>> print func(0.4,0.6,0.4,1.0)
1.0
>>> x = np.linspace(0,2,100)
>>> y = np.array([func(t,0.6,0.4,1.0) for t in x])
>>> print y
[ 0. 0.05050505 0.1010101 0.15151515 0.2020202 0.25252525
0.3030303 0.35353535 0.4040404 0.45454545 0.50505051 0.55555556
0.60606061 0.65656566 0.70707071 0.75757576 0.80808081 0.85858586
0.90909091 0.95959596 0.97979798 0.87878788 0.77777778 0.67676768
0.57575758 0.47474747 0.37373737 0.27272727 0.17171717 0.07070707
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0.
0.02525253 0.07575758 0.12626263 0.17676768 0.22727273 0.27777778
0.32828283 0.37878788 0.42929293 0.47979798 0.53030303 0.58080808
0.63131313 0.68181818 0.73232323 0.78282828 0.83333333 0.88383838
0.93434343 0.98484848 0.92929293 0.82828283 0.72727273 0.62626263
0.52525253 0.42424242 0.32323232 0.22222222 0.12121212 0.02020202
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. ]
#frompyfunc 矩阵预算
>>> import numpy as np
>>> def func(c,c0,hc):
... def trifunc(x):
... x = x - int(x)
... if x >= c:
... r = 0.0
... elif x < c0:
... r = x / c0 * hc
... else:
... r = ((c - x) /(c - c0)) * hc
... return r
... return np.frompyfunc(trifunc , 1, 1)
...
>>> x = np.linspace(0,2,100)
>>> y = func(0.6,0.4,1.0)(x)
>>> print y.astype(np.float64)
[ 0. 0.05050505 0.1010101 0.15151515 0.2020202 0.25252525
0.3030303 0.35353535 0.4040404 0.45454545 0.50505051 0.55555556
0.60606061 0.65656566 0.70707071 0.75757576 0.80808081 0.85858586
0.90909091 0.95959596 0.97979798 0.87878788 0.77777778 0.67676768
0.57575758 0.47474747 0.37373737 0.27272727 0.17171717 0.07070707
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0.
0.02525253 0.07575758 0.12626263 0.17676768 0.22727273 0.27777778
0.32828283 0.37878788 0.42929293 0.47979798 0.53030303 0.58080808
0.63131313 0.68181818 0.73232323 0.78282828 0.83333333 0.88383838
0.93434343 0.98484848 0.92929293 0.82828283 0.72727273 0.62626263
0.52525253 0.42424242 0.32323232 0.22222222 0.12121212 0.02020202
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. ]
numpy之矩阵运算
- 浏览: 361065 次
- 性别:
- 来自: 北京
文章分类
最新评论
-
haoningabc:
ElementTree(元素树) -
喜欢蓝色的我:
会北京看看
报错django-session key重复 -
haoningabc:
康老师,好想你啊,博客都写这么多了
报错django-session key重复 -
100Continue:
是北京城给人压力太大了。哈哈
重新出发2013 -
100Continue:
喜欢蓝色的我 写道多谢 100Continue 交流,我在看看 ...
实现ab 多url并发的shell脚本
python 科学计算numpy
- 博客分类:
- python
发表评论
-
django学习知识点汇总(templates)
2017-01-17 18:29 792问题1:项目中存在多个app,每个app包括相同的名称的h ... -
django学习知识点汇总(view)
2017-01-17 16:14 646问题1:模板渲染 需要在views.py中添加 f ... -
django学习知识点汇总(url)
2017-01-17 15:05 589问题1: django版本不同,设置的url样式有所不同 ... -
python 常识
2017-01-16 18:40 4261. 直接运行py文件 还有同学问,能不能像.exe文件那 ... -
django学习知识点汇总(admin)
2017-01-12 14:47 668设置管理后台 设置setting.py文件 --- ... -
django学习知识点汇总(model)
2017-01-11 11:51 629问题1: 数据库查询,是出现[<Publisher ... -
django 1.9版本数据库建表
2017-01-10 18:01 914django 1.9版本建数据表过程: 环境:windo ... -
python 编程遇到报错信息
2017-01-04 10:42 713问题1:UnicodeDecodeError: 'ascii ... -
python 学习网站
2016-12-29 11:16 431爬虫 http://www.cnblogs.com/xi ... -
liunx 文件操作二
2016-12-29 10:57 333在Linux系统中处理一些数据文件时,有时需要将其中的空行 ... -
django 日志
2016-11-22 15:58 0参考连接:http://www.360doc.com/cont ... -
django启动报和数据库相关的错误
2016-11-17 16:40 1228启动django报错: "D:\Program ... -
python 算法入门
2016-09-27 11:49 0python 快速排序算法----快排1 ww= [3, ... -
python tornado框架学习
2016-09-08 15:30 700demo1:简单hello world main.py ... -
python 非阻塞异步处理web 框架 tornado
2016-09-05 18:26 1295tornado 安装 1.git下载tornado gi ... -
python gevent网络库
2016-03-02 18:30 549例子: import geventfrom gevent ... -
python 数组操作
2016-03-02 10:46 686从数组中去指定下标的元素组成新数组 global loop ... -
python 的图标模块pycha
2016-02-24 17:06 991转:http://blog.csdn.net/xingji ... -
python 编写socket
2016-02-24 17:04 603python 编写server的步骤: 第一步是 ... -
python 标准库urllib2 使用
2016-02-23 17:52 393转:http://www.cnblogs.com/yux ...
相关推荐
Python 科学计算——numpy 篇包含: Python 科学计算介绍.mp4 numpy之矩阵运算.mp4 numpy 之 ufunc 运算.mp4 numpy 之 ndarray 对象.mp4
python科学计算基础教程电⼦版-Python科学计算基础(整 理) Python是⼀种⾯向对象的、动态的程序设计语⾔,具有⾮常简洁⽽清晰的语法,既可以⽤于快速开发程序脚本,也可以⽤于开发⼤规模的 软件,特别适合于完成...
代码包含Python科学计算库-Numpy的基础语法、应用等,通俗易懂,内附练习题和答案,可快速上手
NumPy攻略 Python科学计算与数据分析 [(印尼)IvanIdris著;张崇明译][人民邮电出版社][2013.10][174页]
02Python科学计算库-Numpy 课时9科学计算库Numpy.mp4 - 48.70MB 课时8课程数据,代码,PPT.txt - 50bytes 课时7使用Anaconda安装python环境(Python新手先看这个).flv - 102.85MB 课时14不同复制操作对比.mp4 - 38....
python科学计算的基本包_Python科学计算基本包Numpy使⽤ 的教程 前⾔ Numpy是Python科学计算的基本包,它提供⼀个多维数组对象及各种派⽣对象(如屏蔽的数组和矩阵)以及⼀系列⽤于数组快速操作的例 程,包括数学、...
NumPy攻略: Python科学计算与数据分析 书中代码
Python科学计算与数据处理-NumPy.ppt
Python 科学计算介绍.mp4 pandas 篇: pandas 库之散点图.mp4 pandas 库之数据筛选及过滤.mp4 pandas 库之直方图.mp4 pandas 库之字符串提取与操作.mp4 scipy 篇: 常微分方程组.mp4 非线性方程组.mp4 数值积分.mp4
最新的python科学计算numpy库64位
本书详细介绍Python科学计算中最常用的扩展库NumPy、SciPy、matplotlib、Pandas、SymPy、TTK、Mayavi、OpenCV、Cython,涉及数值计算、界面制作、三维可视化、图像处理、提高运算效率等多方面的内容。所附光盘中包含...
NumPy攻略: Python科学计算与数据分析
《NumPy攻略:Python科学计算与数据分析》介绍了70多种学习Python开源教学库NumPy的有趣方法,教会读者如何安装和使用NumPy,并了解其他一些相关概念,进而掌握NumPy arrays及其通用功能,书中的例子还涉及...
NumPy(Numeric Python)提供了许多高级的数值编程工具,如:矩阵数据类型、...多为很多大型金融公司使用,以及核心的科学计算组织如:Lawrence Livermore,NASA用其处理一些本来使用C++,Fortran或Matlab等所做的任务
本书详细介绍Python科学计算中最常用的扩展库NumPy、SciPy、matplotlib、Pandas、SymPy、TTK、Mayavi、OpenCV、Cython,涉及数值计算、界面制作、三维可视化、图像处理、提高运算效率等多方面的内容。所附光盘中包含...
NumPy攻略 Python科学计算与数据分析,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
大数据Python科学计算库-Numpy实战:numpy代码 练习题.ipynb 9-读写.ipynb 8-随机模块.ipynb 7-运算.ipynb 6-数组 生成.ipynb 5-数组形状.ipynb 4-排序.ipynb 3-数值计算. ipynb 2-array结构.ipynb 1-Numpy概述....
PYthon科学计算所需软件集,包括numpy ,scipy,ipython, spyder, matplotlib,pyQT,tornado, pyzmq, pyreadline,pygments,setuptools。 可以选择安装,但是必选ipython,numpy,scipy,matplotlib,pyqt。
《Python 科学计算(第2版)》详细介绍Python科学计算中常用的扩展库NumPy、SciPy、matplotlib、Pandas、SymPy、TTK、Mayavi、OpenCV、Cython,涉及数值计算、界面制作、三维可视化、图像处理、提高运算效率等多方面...