numpy 中文用户指南

《numpy 中文用户指南》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Numpy中文用户指南Numpy中文用户指南1.安装作者龙哥盟飞龙关注2016.03.2112:18字数1372阅读91评论1喜欢35译者：飞龙1.1NumPy是什么？原文：WhatisNumPy?NumPy是Python中用于科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生的对象（如掩码数组和矩阵），以及数组快速操作的各种各样的例程，包括数学、逻辑、图形操作，排序、选择、I/O、离散傅里叶变换、基本线性代数、基本统计操作，随机模拟以及其他。NumPy包的核心是ndarray对象。它封装了均匀数据类型的n维数组，带有一些在编译过的代码中执行的操作。NumPy数组和

2、Python标准列表有一些重要的差异：NumPy数组在创建时有固定的大小，不像Python列表（可动态增长）。改变一个ndarray的大小将创建一个新数组，并删除原有数组。NumPy数组中的元素都必须是相同的数据类型，从而具有相同的内存大小。但有个例外：（Python，包括NumPy）对象数组的元素大小是不同的。NumPy数组使大量数据上的高级数学运算和其他类型的操作变得容易。通常情况下，这样的操作可能比使用Python的内置列表效率更高，执行的代码更少。越来越多的基于Python的科学和数学包使用NumPy数组；虽然它们通常支持Python列表作为输入，但他们会在处理之前将这些输入

3、转换为NumPy数组，并总是输出NumPy数组。换句话说，为了高效使用许多（也许甚至是大多数）当今基于Python的科学/数学软件，只要知道如何使用Python的内置列表类型是不够的————你还需要知道如何使用NumPy数组。序列大小和速度在科学计算中尤为重要。例如考虑两个长度相同的列表中每个元素相乘的情况。如果数据被存储在两个Python列表a和b中，我们可以这样遍历每个元素：c=[]foriinrange(len(a)):c.append(a[i]*b[i])这就产生了正确的答案，但如果a和b都含有数以百万计的数字，我们将为Python的低效循环付出代价。我们可以这样以C语言编写

4、代码来完成同样的任务（为清楚起见我们忽略变量声明和初始化、内存分配等）：for(i=0;i

5、的C代码来加速。在NumPy中：c=a*b的行为像之前的例子一样，几近于C语言的速度，但是代码正如我们期望中的那样，就像标准的Python一样简洁。实际上，NumPy的风格还能更简洁！最后这个例子说明了NumPy的两个特性：向量化（Vectorization）和广播（Broadcasting），它们是NumPy强大之处的基础。向量化用于描述任何缺失的显式循环、索引及其它，在代码这些事情是即时发生的，当然，是在“幕后”（预编译的C代码中）优化。向量化编码的优点很多，比如：向量化的代码更简洁易读代码更少一般意味着更少的错误代码更像标准的数学符号（通常情况下，更容易编写数学结构）向量化的结

6、果更加“Pythonic”。没有向量化，我们的代码会更加低效，循环也难以阅读。广播是描述隐式的元素级操作的术语；一般来说，NumPy中所有操作，并不只是算术运算，还有逻辑运算，位运算，函数运算等，以这种隐式的元素层面的方式执行，就是广播。此外，在上面的例子中，a和b可以是相同形状的多维数组，或者一个标量和一个数组；甚至可以是不同的形状的2个数组，假设较小的数组可以以产生明确广播的方式，扩展为较大数组的尺寸。详细规则见numpy.doc.broadcasting。NumPy完全支持ndarray的面向对象。例如，ndarray是一个类，拥有许多方法和属性。它的许多方法复制了NumPy最

7、外层命名空间的函数，让程序员完全自由决定代码写成哪个范式，以及哪个范式更适合当前的任务。1.2安装NumPy原文：InstallingNumPy大多数情况下，在系统上安装NumPy的最好办法是使用为你的操作系统预编译的包。一些可选的连接请见http://scipy.org/install.html。有关源码包构建的说明，请见从源码中构建。这些信息主要用于高级用户。Numpy中文用户指南2.快速启动作者龙哥盟飞龙关注2016.03.2420:59字数9233