数学之路-python计算实战(5)-初识numpy以及pypy下执行numpy
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了数学之路-python计算实战(5)-初识numpy以及pypy下执行numpy,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1558字,纯文字阅读大概需要3分钟。
内容图文
N
NumPy
系统是
Python
的一种开源的数字扩展。这样的工具可用来存储和处理大型矩阵,比
Python
自身的嵌套列表(
nested list structure)
结构要高效的多(该结构也能够用来表示矩阵(
matrix
))。据说
NumPy
将
Python
相当于变成一种免费的更强大的
MatLab
系统。
一个用
python
实现的科学计算包。包含:
1
、一个强大的
N
维数组对象
Array
;
2
、比較成熟的(广播)函数库;
3
、用于整合
C/C++
和
Fortran
代码的工具包;
4
、有用的线性代数、傅里叶变换和随机数生成函数。
numpy
和稀疏矩阵运算包
scipy
配合使用更加方便。
NumPy
(
Numeric Python
)提供了很多高级的数值编程工具,如:矩阵数据类型、矢量处理。以及精密的运算库。
专为进行严格的数字处理而产生。多为非常多大型金融公司使用。以及核心的科学计算组织如:
git clonehttps://bitbucket.org/pypy/numpy.git
cd numpy
pypy setup.pyinstall
deep@myddb:~$pypy
Python 2.7.6 (32f35069a16d819b58c1b6efb17c44e3e53397b2, Jun 26 2014, 21:49:19)
[PyPy 2.3.1 with GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or"license" for more information.
>>>> import numpy as np
>>>>
本博客全部内容是原创。假设转载请注明来源
http://blog.csdn.net/myhaspl/
比python标准库更方便的是。numpy提供了一个N维数组类型ndarray,这是一个容器类型。存储了同样类型与大小的数据项。ndarray能够被切片,拥有整数索引,每一个数据项占有一样的内存空间,数组对象的维度数目由shape属性定义。这是一个元组,数据项的类型由dtype定义。
>>>> myx=np.array([[11,22,33],[44,55,66]])
>>>>myy=np.array([myx,myx])
>>>> myy
array([[[11, 22,33],
[44, 55, 66]],
[[11, 22, 33],
[44, 55, 66]]])
>>>>myx[0]=[111,222,333]
>>>> myy
array([[[11, 22,33],
[44, 55, 66]],
[[11, 22, 33],
[44, 55, 66]]])
>>>>myx.dtype
dtype(‘int32‘)
>>>>myy.dtype
dtype(‘int32‘)
>>>>myy.shape
(2, 2, 3)
>>>>myx.shape
(2, 3)
>>>>
以上代码演示了基本使用。ndarray对象本身能够做为还有一个ndarray对象的数据项,会生成一个复制品,所以对内嵌对象的改动不会有副作用。
内容总结
以上是互联网集市为您收集整理的数学之路-python计算实战(5)-初识numpy以及pypy下执行numpy全部内容,希望文章能够帮你解决数学之路-python计算实战(5)-初识numpy以及pypy下执行numpy所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。