Numpy 中文用户指南 1. 安装

mochixuan 发布于2019-07-24 18:34 / 589人阅读

摘要：包的核心是对象。但有个例外，包括对象数组的元素大小是不同的。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。此外，编码所需的工作量随数据维数的增加而增加。这些信息主要用于高级用户。

译者：飞龙

1.1 NumPy 是什么？

原文：What is NumPy?

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 = []
for i in range(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 < rows; i++): {
  c[i] = a[i]*b[i];
}

这节省了所有涉及解释Python代码和操作Python对象的开销，但没有了使用Python编码的优势。此外，编码所需的工作量随数据维数的增加而增加。例如对于一个二维数组，C代码（像上面一样简写）会扩展为：

for (i = 0; i < rows; i++): {
  for (j = 0; j < columns; j++): {
    c[i][j] = a[i][j]*b[i][j];
  }
}

NumPy综合了两种情况的优点：元素级别的操作是ndarray的“默认模式”，而它又通过执行预编译的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：Installing NumPy

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。

GPU云服务器云服务器 python安装numpy webrtc权威指南中文 php中文用户手册 webrtc 权威指南中文

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/37828.html

Cython 3.0 中文文档校对活动 | ApacheCN

摘要：整体进度贡献指南项目仓库贡献指南请您勇敢地去翻译和改进翻译。然后回复，注明章节号一定要留。二校对需要校对语法术语使用文档格式如果觉得现有翻译不好，重新翻译也是可以的。三提交项目将译文放在文件夹下请见入门指南。整体进度：https://github.com/apachecn/c... 贡献指南：https://github.com/apachecn/c... 项目仓库：https://...

iamyoung001 2019-07-31 11:29 评论0 收藏0
利用python进行识别相似图片(二)

摘要：上一篇文章的地址利用进行识别相似图片一安装官网在进行下一步操作时，我们需要安装，本来安装的步骤跟平常安装其他模块一样，而然由于的历史原因用过都懂，弄得一点都不友好。前言和网上各种首先你要有一个女朋友的系列一样，想进行人脸判断，首先要有脸，只要能靠确定人脸的位置，那么进行两张人脸是否相似的操作便迎刃而解了。所以本篇文章着重讲述如何利用openCV定位人脸。上一篇文章的地址：利用...

余学文 2019-07-24 18:30 评论0 收藏0
Numpy 中文用户指南 3.2 创建数组

摘要：将以指定数量的元素创建数组，并平分开始值和结束值。将创建数组的集合用一维数组来模拟高维数组，每一维都有表示它的变量。一个例子说明比口头描述好得多计算规则网格上的高维函数时，这会非常有用。原文：Array creation 译者：飞龙 ‍ 另见数组创建例程导言数组创建的一般机制有五种：从其它Python的结构转换（如列表和元组）内置的NumPy数组创建对象（如 ar...

zilu 2019-07-24 18:36 评论0 收藏0
Numpy 中文用户指南 3.1 数据类型

摘要：其他数据类型在中没有对应。因此，使用数组标量确保了数组和标量之间具有相同的行为，无论值在不在数组中。不提供比的精度更高的特别是位四精度数据类型的是不能用的。原文：Data types 译者：飞龙 ‍ 另见数据类型对象数组类型和类型之间的转换 NumPy支持的数值类型比Python更多。这一节会讲述所有可用的类型，以及如何改变数组的数据类型。数据类型描述 bo...

褰辩话 2019-07-24 18:36 评论0 收藏0
Numpy中的矩阵运算

安装与使用大型矩阵运算主要用matlab或者sage等专业的数学工具，但我这里要讲讲python中numpy，用来做一些日常简单的矩阵运算！这是 numpy官方文档，英文不太熟悉的，还有 numpy中文文档 numpy 同时支持 python3 和 python2，在 python3 下直接pip install安装即可，python2 的话建议用 .whl 安装，你可以在这里查询和你 py...

zzbo 2019-07-31 11:16 评论0 收藏0