2018-03-18-数学不好的Scipy入门（一）

2018-03-19 本文已影响0人 0xC00005

前言

科学计算是什么，能吃吗？
最近迷上数据收集，然而我数学不过关连线性代数集并查都不知道是什么东西【嘻嘻嘻】
越写越蒙，所以打算从头学一遍Scipy软件生态圈下面的科学计算三巨头：

NumPy

用来写多维数组

pandas

用来制作表格

Matplotlib

用来绘图和生成表格

小白错误警告！小白错误警告！

本人并没有写过Numpy，所以我跟你们一样也是从零开始学
如果有dalao发现我什么地方写的不对，或者发生小白错误误人子弟的话，赶紧发邮件骂人，我我我马上修改【发抖】
email：0xc00005.gmail.com

Numpy的简单入门

0x01 安装

虽然我已经入手了Anaconda，自带Numpy，但是为了安全起见我还是再次检查了一下安装包，然后import

pip install numpy

因为numpy这个单词实在是太鸡儿长了，所以一般我们会把他简写成np

import numpy as np

PS：注意导入的时候的大小写

以后用到Numpy的话直接就用np.函数名就ok了

0x02 多维数组

其实入手Numpy主要还是为了多维数组这个数据结构~~【其他的数据结构不会用】~~
NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。

#生成一个一维数组
import numpy as np 
a = np.array([1,2,3])  
print a
[1,2,3]

#生成一个多维数组  
a = np.array([[1,  2],  [3,  4]])  
print a

[[1, 2] 
 [3, 4]]

记住是在列表里面写列表，像C++那样的Narray[10][10][10]

ndarray.ndmin

这个方法返回当前多维数组的维度,什么意思呢
比如a[10]这就叫一维数组
a[10][10]在a的第十行第十列就是二维数组了
以此类推.....
或者更简单一点来说，如果你的数组是线性，ndim就是1
正方形就是2，立方体就是3,4维的东西是什么我还不知道你给我科普一下？

import numpy as np

array = np.array([[1,2,3],[4,5,6]])
print(array.ndim)

输出如下：
2

ndarray.shape

这个方法返回一个包含数组维度的元组，它也可以用于调整数组大小。

import numpy as np 
a = np.array([[1,2,3],[4,5,6]])  
print a.shape

输出如下：
(2, 3)

如果你想要调整a的长宽高什么的，可以使用array的shape（形状）方法

# 这会调整数组大小  
import numpy as np 

a = np.array([[1,2,3],[4,5,6]]) a.shape =  (3,2)  
print a
输出如下：
[[1, 2] 
 [3, 4] 
 [5, 6]]

如果你想要复制调整后的数据然后不改动原来的数据，NumPy 也提供了reshape函数来调整数组大小,这里的数据是可以复制的且不会影响原来的数据

import numpy as np 
a = np.array([[1,2,3],[4,5,6]]) 
b = a.reshape(3,2)  
print b
输出如下：
[[1, 2] 
 [3, 4] 
 [5, 6]]

ndarray.size

这个方法可以返回一共有多少元素在这个多维数组里面，就相当于遍历了一遍

import numpy as np 
a = np.array([[1,2,3],[4,5,6]])  
print a.size

输出如下：
6

0x03 dtype！Numpy里面的数据类型

每一种array我们都可以定义他的type，是用小数形式存在呢还是整数形式
这些我们都可以在最开始创建他的时候进行一个定义
array的type叫做dtype【智障名字每次我都记错】、
在Numpy里面有一些自带的格式，但是注意使用这些格式之前我们需要在前面加上一个np.格式符表格我贴在下面了

import numpy as np
a = np.array([2,3,4],dtype=np.int)
print(a.dtype)
输出如下：
int64

我们也可以把他们改成小数形式（float），只要改变dtype里面的值就可以了
32和64的区别就相当于short和long long吧，通常来说位数越小所占用的空间也就越小，但是精确的话占用的内存和空间也会很大

如果是多维数组的话：

a = np.array([[1,2],[3,4],[5,6]],dtype=np.int)
#记住前面写完了每行最后外面一定一定要打一个中括号

祭出我的数据类型表：

序号	数据类型及描述
1.	bool_ 存储为一个字节的布尔值（真或假）
2.	int_ 默认整数，相当于 C 的long，通常为int32或int64
3.	intc 相当于 C 的int，通常为int32或int64
4.	intp 用于索引的整数，相当于 C 的size_t，通常为int32或int64
5.	int8 字节（-128 ~ 127）
6.	int16 16 位整数（-32768 ~ 32767）
7.	int32 32 位整数（-2147483648 ~ 2147483647）
8.	int64 64 位整数（-9223372036854775808 ~ 9223372036854775807）
9.	uint8 8 位无符号整数（0 ~ 255）
10.	uint16 16 位无符号整数（0 ~ 65535）
11.	uint32 32 位无符号整数（0 ~ 4294967295）
12.	uint64 64 位无符号整数（0 ~ 18446744073709551615）
13.	float_ float64的简写
14.	float16 半精度浮点：符号位，5 位指数，10 位尾数
15.	float32 单精度浮点：符号位，8 位指数，23 位尾数
16.	float64 双精度浮点：符号位，11 位指数，52 位尾数
17.	complex_ complex128的简写
18.	complex64 复数，由两个 32 位浮点表示（实部和虚部）
19.	complex128 复数，由两个 64 位浮点表示（实部和虚部）

0x04 基本的数组生成和定义

下面是一些初始化的栗子：

numpy.empty

它创建指定形状和dtype的未初始化数组。它使用以下构造函数：
numpy.empty(shape, dtype = float, order = 'C')

下面的代码展示空数组的例子：
import numpy as np 
x = np.empty([3,2], dtype =  int)  
print x
输出如下：
[[22649312    1701344351] 
 [1818321759  1885959276] 
 [16779776    156368896]]

注意：数组元素为随机值，因为它们未初始化。【神奇的C++模样】

numpy.zeros

返回特定大小，以 0 填充的新数组。
numpy.zeros(shape, dtype = float, order = 'C')

示例 1
# 含有 5 个 0 的数组，默认类型为 float  
import numpy as np 
x = np.zeros(5)  
print x
输出如下：
[ 0.  0.  0.  0.  0.]
示例 2
import numpy as np 
x = np.zeros((5,), dtype = np.int)  
print x
输出如下：
[0  0  0  0  0]
示例 3
# 生成矩阵
 a = np.zeros((3,4))
print(a)
输出如下：
 [[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]]

值得一提的是这边默认的数据类型都是float【看那小数点】

numpy.ones

返回特定大小，以 1 填充的新数组。
numpy.ones(shape, dtype = None, order = 'C')

示例 1
# 含有 5 个 1 的数组，默认类型为 float  
import numpy as np 
x = np.ones(5)  print x
输出如下：
[ 1.  1.  1.  1.  1.]
示例 2
import numpy as np 
x = np.ones([2,2], dtype =  int)  
print x
输出如下：
[[1  1] 
 [1  1]]

np.arange

看arange这个单词，是不是很像range啊
这个函数的作用是生成一个数列，跟range一模一样

import numpy as np
a = np.arange(10,20,2)
print(a)
输出如下：
[10 12 14 16 18]

np.linspace

np.linspace(初始点，结束点，单位长度）
这个差不读就是生成一个等差数列吧，单位长度的意思即使初始点和结束中有多少个等差的数字

import numpy as np
a = np.linspace(1,10,20)
print(a)
print(a.size)#这里我看一下到底是不是有20个元素在里面
输出如下：
[  1.           1.47368421   1.94736842   2.42105263   2.89473684
   3.36842105   3.84210526   4.31578947   4.78947368   5.26315789
   5.73684211   6.21052632   6.68421053   7.15789474   7.63157895
   8.10526316   8.57894737   9.05263158   9.52631579  10.        ]
20

后记

颤抖着写完....
想不到C++除了快竟然还以地方比Python好用，直接定义多维数组太爽了

nArray=[[1,2][3,4][5,6]]
Traceback (most recent call last):

  File "<ipython-input-36-95ddd256759d>", line 1, in <module>
    nArray=[[1,2][3,4][5,6]]

TypeError: list indices must be integers or slices, not tuple

大胆的尝试.gif

参考链接：
神奇的Numpy教程
 就是这个南京大学把我劝去学科学计算的

最后的最后

来Max的Blog撩小姐姐吧