在本科阶段，我们常用的科学计算工具是MATLAB。下面介绍python的一个非常好用而且功能强大的科学计算库——Numpy。
- a powerful N-dimensional array object（一个强大的N维数组对象）
- sophisticated (broadcasting) functions （先进的（广播？）函数）
- tools for integrating C/C++ and Fortran code（集成的C / C++和Fortran代码工具）
- useful linear algebra, Fourier transform, and random number capabilities（有用的线性代数，傅立叶变换和随机数能力）
以上是官方文档的介绍，具体资料可以按参考这个网站： http://www.numpy.org/
依旧是pip install numpy安装这个包。我们在ipython中举一些例子来学习它的一些常用操作。当然在此之前，建议先了解一下矩阵等相关的数学知识，就当温习一下大学的线代高数部分了。
1 #导入numpy 2 >>> import numpy as np 3 #生成一个指定内容的数组 4 >>> a = np.arange(15).reshape(3, 5) 5 >>> a 6 array([[ 0, 1, 2, 3, 4], 7 [ 5, 6, 7, 8, 9], 8 [10, 11, 12, 13, 14]]) 9 >>> a.shape #数组行列数 10 (3, 5) 11 >>> a.ndim #数组维度 12 2 13 >>> a.dtype.name #数组中元素类型 14 ‘int64‘ 15 >>> a.itemsize #数组中每个元素的字节大小 16 8 17 >>> a.size #数组元素的总数 18 15 19 >>> type(a) #输出a的属性 20 <type ‘numpy.ndarray‘> 21 #直接给定元素生成数组 22 >>> b = np.array([6, 7, 8]) 23 >>> b 24 array([6, 7, 8]) 25 >>> type(b) 26 <type ‘numpy.ndarray‘>
numpy可以生成指定的数组。
1 C:\Users\Administrator\Desktop 2 λ ipython 3 Python 3.6.4 (v3.6.4:d48eceb, Dec 19 2017, 06:54:40) [MSC v.1900 64 bit (AMD64)] 4 Type ‘copyright‘, ‘credits‘ or ‘license‘ for more information 5 IPython 6.2.1 -- An enhanced Interactive Python. Type ‘?‘ for help. 6 7 In [1]: import numpy as np 8 9 In [2]: a=np.zeros([3,4]) #生成全零阵 10 11 In [3]: a 12 Out[3]: 13 array([[0., 0., 0., 0.], 14 [0., 0., 0., 0.], 15 [0., 0., 0., 0.]]) 16 17 In [4]: b=np.ones([3,4]) #生成全1阵 18 19 In [5]: b 20 Out[5]: 21 array([[1., 1., 1., 1.], 22 [1., 1., 1., 1.], 23 [1., 1., 1., 1.]]) 24 25 In [6]: c=np.random.rand(3,4) #生成随机阵 26 27 In [7]: c 28 Out[7]: 29 array([[0.36417168, 0.24336724, 0.78826727, 0.42894367], 30 [0.77198615, 0.95897315, 0.25628233, 0.53995372], 31 [0.02777746, 0.25093856, 0.14544893, 0.10475779]]) 32 33 In [8]: d=np.eye(3) #生成单位阵 34 35 In [9]: d 36 Out[9]: 37 array([[1., 0., 0.], 38 [0., 1., 0.], 39 [0., 0., 1.]]) 40 41 In [10]: e=np.mat([[1,2,3],[4,5,6],[7,8,9]]) #矩阵化 42 43 In [11]: e 44 Out[11]: 45 matrix([[1, 2, 3], 46 [4, 5, 6], 47 [7, 8, 9]]) 48 49 In [12]: f=np.power(e,2) #计算N次幂 50 51 In [13]: f 52 Out[13]: 53 matrix([[ 1, 4, 9], 54 [16, 25, 36], 55 [49, 64, 81]], dtype=int32) 56 57 In [14]: g=f.T #求转置矩阵 58 59 In [15]: g 60 Out[15]: 61 matrix([[ 1, 16, 49], 62 [ 4, 25, 64], 63 [ 9, 36, 81]], dtype=int32) 64 65 In [16]:
下面对array（）和mat（）做一个区分。初学者很容易混淆。
np.array(a) 是将列表数组化， 它与另一个narray的乘法并不是按照矩阵乘法进行的，而是对应元素相乘 。而mat（），在上面的例子可以清楚地看出来，他生成的对象是一个matrix。即将数组矩阵化。对矩阵使用shape（）方法，会返回矩阵的维度，而数组则会返回它的行和列。详细资料可以参考官方文档。
